典型文献
基于LSTM-att的车辆异常驾驶行为识别
文献摘要：
车辆的异常行为可能引发交通事故,甚至造成经济损失和人员伤亡.准确识别车辆异常行为可以预防潜在的危险.针对现有研究存在的数据难以保留时间特征等问题,本文提出一种带有注意力层的长短记忆神经网络的识别模型,利用真实交通场景车辆异常轨迹对所提出的模型进行训练和验证.实验结果表明,所提出的模型能够有效的识别车辆异常驾驶行为,准确率可达到98.4％.
文献关键词：
异常驾驶行为;注意力层;长短期记忆网络;注意力机制
中图分类号：
作者姓名：
杜绎如;马印怀;吴建波;惠飞;阮仕峰;郭星
作者机构：
长安大学 信息工程学院, 西安 710064;河北省高速公路延崇筹建处, 张家口 075400
文献出处：
引用格式：
[1]杜绎如;马印怀;吴建波;惠飞;阮仕峰;郭星-.基于LSTM-att的车辆异常驾驶行为识别)[J].计算机系统应用,2022(05):165-173
A类：
B类：
att,异常驾驶行为,驾驶行为识别,异常行为,发交,交通事故,人员伤亡,准确识别,保留时间,时间特征,注意力层,长短记忆神经网络,识别模型,实交,交通场景,常轨,长短期记忆网络,注意力机制
AB值：
0.39231
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
