本文關(guān)鍵詞：基于BP和GA_BP的疲勞駕駛檢測算法對比分析，由筆耕文化傳播整理發(fā)布。

【摘要】：為了有效檢測駕駛?cè)似隈{駛狀態(tài),利用模擬駕駛器開展疲勞駕駛實(shí)驗(yàn),建立2類(疲勞、正常)樣本數(shù)據(jù)庫;采用均值分析法提取特征參數(shù);最終基于BP和GA_BP神經(jīng)網(wǎng)絡(luò)建立分類算法進(jìn)行疲勞駕駛檢測。結(jié)果顯示,基于GA_BP的分類算法的識別準(zhǔn)確率、達(dá)到設(shè)定目標(biāo)的次數(shù)、均方誤差和迭代步長均比基于BP的算法好;兩種算法的運(yùn)行時間均呈二次函數(shù)增長;但基于GA_BP的分類算法增長速度更快。這表明基于BP和GA_BP建立分類算法進(jìn)行疲勞駕駛檢測具有可行性,且基于GA_BP的算法識別效果更好,雖然其運(yùn)行時間較長,但滿足實(shí)時檢測的要求。
【作者單位】： 北京工業(yè)大學(xué)城市交通學(xué)院;
【關(guān)鍵詞】： 疲勞駕駛 疲勞檢測 BP神經(jīng)網(wǎng)絡(luò) GA_BP神經(jīng)網(wǎng)絡(luò)
【基金】：國家科技支撐計劃(2014BAG03B03-02)資助
【分類號】：U491.254;U463.6
【正文快照】： 隨著我國經(jīng)濟(jì)的快速發(fā)展,機(jī)動車保有量的增加,疲勞駕駛逐漸成為造成交通事故的主要原因之一。據(jù)不完全統(tǒng)計,每年全世界死于交通事故的人數(shù)約為60萬,直接經(jīng)濟(jì)損失125億美元,這些事故中57%的災(zāi)難性事故與駕駛員疲勞駕駛有關(guān)[1]。因此,加強(qiáng)對駕駛狀態(tài)檢測技術(shù)的研究,對降低公共財

  本文關(guān)鍵詞：基于BP和GA_BP的疲勞駕駛檢測算法對比分析，，由筆耕文化傳播整理發(fā)布。

本文編號：470931