典型文献
基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法
文献摘要：
为提升汽车主动安全功能,研究了1种基于高德导航数据的低成本、高精度驾驶倾向性辨识方法.基于高德软件开发工具构建动态驾驶数据采集应用程序,并融入个人智能终端以实现对行车数据的实时采集、处理与网络化存储.通过驾驶员生理、心理测试和实车实验获取不同驾驶倾向性驾驶员在导航行驶过程中由时间、速度和加速度推演的驾驶行为信息,采用主成分分析法(PCA)提取驾驶倾向性主要因子,并将驾驶倾向分为激进型、普通型和保守型这3类.构建基于果蝇优化算法(FOA)和广义回归神经网络(GRNN)的高精度驾驶倾向性辨识模型,利用特征变量集对模型进行训练和验证.验证结果表明:该模型总体准确率可达94.17％,对激进型、普通型和保守型的驾驶倾向性的辨识精确度分别为95.06％,92.5％,94.93％;进一步对比发现,该模型比单一的GRNN模型总体准确率提高5％～10％,与现有基于惯性传感器数据和离散小波变换结合自适应神经模糊推理系统的方法相比,该方法更具实用性且模型总体辨识准确率提升了2.17％.
文献关键词：
智能交通;高德导航数据;驾驶倾向性;主成分分析;FOA-GRNN
中图分类号：
作者姓名：
李浩;王晓原;韩俊彦;刘士杰;陈龙飞;史慧丽
作者机构：
青岛科技大学机电工程学院 山东 青岛 266000;青岛科技大学山东省智能绿色制造技术与装备协同创新中心 山东 青岛 266000
文献出处：
引用格式：
[1]李浩;王晓原;韩俊彦;刘士杰;陈龙飞;史慧丽-.基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法)[J].交通信息与安全,2022(02):63-72
A类：
高德导航数据,驾驶倾向性
B类：
FOA,GRNN,辨识方法,汽车主动安全,安全功能,软件开发,开发工具,应用程序,人智,智能终端,实时采集,驾驶员,心理测试,实车实验,航行,行驶过程,推演,驾驶行为,激进型,普通型,保守型,于果,果蝇优化算法,广义回归神经网络,辨识模型,特征变量,惯性传感器,传感器数据,离散小波变换,自适应神经模糊推理系统,准确率提升,智能交通
AB值：
0.260904
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。
