重庆理工大学学报(自然科学)
第29卷 第1期重庆理工大学学报(自然科学)
2015年1月
Jan.2015JournalofChongqingUniversityofTechnology(NaturalScience)Vol.29 No.1
doi:10.3969/j.issn.1674-8425(z).2015.01.001
基于PCA与BP神经网络的制动行为模型
刘志强,张硕辉,汪 澎
(江苏大学汽车与交通工程学院,江苏镇江 212013)
摘 要:为建立驾驶员在跟驰过程中的制动行为模型,利用驾驶模拟仪采集了大量在跟车行驶状态下避免追尾碰撞时驾驶员所采取的制动操纵行为的数据。采用主成分分析法确定了与驾驶员制动行为有关的贡献率达97.04%的4个主要参数,将这4个参数作为BP神经网络的输入值,建立了符合驾驶员危险感知特性的制动行为模型。依此建立的制动行为模型仿真效果较好,符合驾驶人的行车习惯,丰富了驾驶行为模型,并可进一步应用于智能交通领域中的汽车辅助驾驶系统。
关 键 词:制动行为;主成成分分析;BP神经网络;驾驶行为;驾驶模拟仪中图分类号:U471.15 文献标识码:A
文章编号:1674-8425(2015)01-0001-05
Driver’sBrakingBehaviorResearchBasedOnPCA
andBPNeuralNetwork
LIUZhiqiang,ZHANGShuohui,WANGPeng
(SchoolofAutomobileandTrafficEngineering,JiangsuUniversity,Zhenjiang212013,China)Abstract:Tobuildabrakingbehaviormodelofthedriver’scollisionavoidanceprocess,alarge
numberofdrivers’brakingbehaviorindexwerecollectedunderthecarfollowingconditionbyusing
’sbrakingbehaviorandthecontributhedriversimulator.Fourmainparametersrelatedtothedriver
tionratearriveto97.04%wereanalyzedbyPCA.Usingthefourparametersasinputinformation,thebrakingbehaviormodelwasbuiltbytheNeuralNetworksmethod.Themodelappliestothedriverdangerawarenessanddriver’sdrivinghabitwiththeNeuralNetworksmethod.Themodelhadenrichedthedrivingbehaviormodel,andcanbeadaptedtothedrivingassistancesystemoftheIntelligentTransportationSystem.Keywords:brakingbehavior;maincomponentsanalysis;BPneuralnetwork;drivingbehavior;drivingsimulator
收稿日期:2014-10-24
基金项目:国家自然科学基金资助项目(61203244);教育部2011年博士点基金资助项目(20113227110014)作者简介:刘志强(1963—),男,江苏靖江人,工学博士,教授,博士生导师,主要从事交通安全、车辆辅助驾驶系统研
究;通讯作者张硕辉(1987—),男,山东烟台人,硕士,主要从事汽车辅助驾驶系统研究。
引用格式:刘志强,张硕辉,汪澎.基于PCA与BP神经网络的制动行为模型[J].重庆理工大学学报:自然科学版,
2015(1):1-5.
Citationformat:LIUZhiqiang,ZHANGShuohui,etal.Driver’sBrakingBehaviorResearchBasedOnPCAandBPNeu
ralNetwork[J].JournalofChongqingUniversityofTechnology:NaturalScience,2015(1):1-5.
基于PCA-BP神经网络的精馏塔产品组成软测量模型_专业资料。通过共轭梯度算法和BP神经网络对精馏过程进行软测量建模.依据工艺原理和经验知识,初选了精馏塔顶产品组成的神...
基于PCA的BP神经网络分类器_信息与通信_工程科技_专业资料。数据降维第...图 2 3 层 B P 神经网络模型 = ( l1 , l2 , …, lq ) , 输出...
煤与瓦斯突出的PCA-BP神经网络预测模型研究_专业资料。通过主戍分分析法对煤与瓦斯突出的主要影响因素进行主成分提取,选取贡献率大于85%的3个主成分来代替原来的7...
基于PCA和BP神经网络的人脸识别方法_信息与通信_工程科技_专业资料。人脸识别报告...神经网络模型拓扑结构包括输入层 BP (input) 隐层(hide layer) 、 和输出层(...
Sep. 2010 基于 PCA和 BP神经网络的 O 糖基化位点的 预测和模式分析王楚正 ...3 De tailed PPF s 络是多层前馈神经网络最普遍的模型之一, 基本结 构可分...
( ( sqrt( R ) ) / 10) + 1 ) * 10 ; S= R* S1+ S1 S2+ S1+ S2 * ; 1 3 模型结构 基于 PCA 的 GABP 神经网络预测模型 如图 3所 ...
更多>>:4t-绍了基于主元分析(PCA)理论改进后的BP神经网络在拖拉机齿轮故障诊断中的应用;试验中以齿轮振动信号的频域特征为神经网络输入,齿轮的主要故障模式为神经...
股票预测方法无法消除数据之间冗余和捕捉非线性规律导致预测精度较低,为了提高股票价格预测精度,提出一个基于主成份分析(PCA)的BP神经网络(BPNN)股票预测模型(PCA-...
基于PCA-改进算法BP神经网络的软测量技术_专业资料。本文在利用动量法和自适应改变...PCA-改进算法后的BP神经网络不但可以提高模型的精度而且也使网络的泛化能力得到...
( GA) ; 污水处理 中图分类号: TP 273 文献标识码: A 1 引 言 2 软测量模型 1) 模型结构 基于 PCA -GABP 神经网络的 BOD( 生化需氧量) 是污水处理...
热门文档