2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩14頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、,基于IPv6校園環(huán)境車輛行駛行為建模與分析,歐陽真超,齊之平,趙曉軻,牛建偉北京航空航天大學(xué),,,智能移動(dòng)終端的功能越來越強(qiáng):計(jì)算能力:多核CPU、GPU等通信能力:藍(lán)牙、3/4/5G、WiFi、NFC等感知能力:陀螺儀、光強(qiáng)計(jì)、氣壓計(jì)、高清攝像頭、磁力計(jì)等,如下領(lǐng)域得到迅速發(fā)展:移動(dòng)計(jì)算(Mobile Computing)移動(dòng)感知(Mobile Sensing)眾包(Crowdsourcing),背景介紹—智能終端帶來

2、的,,研究場(chǎng)所:校園環(huán)境網(wǎng)絡(luò)環(huán)境:IPv4/6無線網(wǎng)絡(luò)全覆蓋研究目標(biāo):車輛行駛數(shù)據(jù)采集與建模研究工具:基于Android的移動(dòng)平臺(tái),背景介紹—項(xiàng)目場(chǎng)景和目標(biāo),通過移動(dòng)終端設(shè)備內(nèi)部的多項(xiàng)傳感器捕獲車輛的行駛數(shù)據(jù),結(jié)合眾包數(shù)據(jù)采集方案收集海量數(shù)據(jù),結(jié)合機(jī)器學(xué)習(xí)算法構(gòu)建車輛駕駛行為識(shí)別檢測(cè)模型,,系統(tǒng)架構(gòu)—概述,,主要功能:與智能移動(dòng)終端進(jìn)行數(shù)據(jù)交互利用機(jī)器學(xué)習(xí)方法對(duì)增長(zhǎng)數(shù)據(jù)進(jìn)行挖掘通過Web顯示數(shù)據(jù)采集情況,系統(tǒng)架構(gòu)—云計(jì)算平臺(tái)

3、,,主要功能1. 傳感器數(shù)據(jù)的采集和上傳利用Eclipse+Java研發(fā)Android智能終端的采集系統(tǒng),通過調(diào)度智能設(shè)備底層的傳感器(如加速度傳感器、陀螺儀等)接口讀取車輛在行駛過程中數(shù)據(jù),并通過校園環(huán)境IPv6與IPv4通信網(wǎng)絡(luò),提交采集的傳感數(shù)據(jù)2. 駕駛行為的實(shí)時(shí)檢測(cè)在一定規(guī)模的傳感器數(shù)據(jù)基礎(chǔ)上,利用機(jī)器學(xué)習(xí)方法訓(xùn)練相應(yīng)模型,并智能移動(dòng)終端對(duì)實(shí)時(shí)采集的數(shù)據(jù)進(jìn)行分析和顯示,系統(tǒng)架構(gòu)—數(shù)據(jù)采集端,,系統(tǒng)架構(gòu)—傳感器數(shù)據(jù)定性分

4、析,選擇加速度計(jì)和陀螺儀兩種慣性傳感器的反饋數(shù)據(jù)進(jìn)行采集對(duì)5種常見行駛行為進(jìn)行采集:左/右轉(zhuǎn)向、左/右變道和掉頭,,采用如圖的相對(duì)位置固定智能移動(dòng)終端,構(gòu)建傳感器與車輛的相對(duì)坐標(biāo)系映射關(guān)系。通過慣性傳感器的實(shí)時(shí)數(shù)據(jù)捕獲車輛行駛中的反饋數(shù)據(jù)數(shù)據(jù)采集司機(jī):教師、學(xué)生家長(zhǎng)、的士司機(jī)和專車司機(jī)車型:轎車和SUV智能終端: Samsung Note3、Google NS5、紅米Note1、Note3、聯(lián)想S1,系統(tǒng)架構(gòu)—終端放置&am

5、p;采集實(shí)驗(yàn),,利用檢測(cè)的識(shí)別算法MultiWave,能夠有效的過濾原始傳感器的噪聲數(shù)據(jù),并能夠比傳統(tǒng)的滑動(dòng)窗口更為有效的捕獲車輛的五種行駛事件。針對(duì)車輛行駛過程中產(chǎn)生的波形發(fā)生區(qū)間內(nèi)數(shù)據(jù),提出了一個(gè)8維統(tǒng)計(jì)特征參數(shù)集:{最大值、最小值、均值、方差、標(biāo)準(zhǔn)差、上四分位數(shù)、下四分位數(shù)、信息熵},作為訓(xùn)練輸入。,車輛行駛檢測(cè)模型—特征集,,,分別通過隨機(jī)抽樣,選取已采集的總體數(shù)據(jù)樣本的10%、20%、30%、50%、70%、90%、100%

6、,測(cè)試了5類不同的機(jī)器學(xué)習(xí)算法,分別是:支持向量機(jī)(C-SVC)、鄰近算法(IBK)、決策樹算法(J48)、規(guī)則歸納學(xué)習(xí)(JRip)和樸素貝葉斯分類器(Naïve Bayes)。每次對(duì)訓(xùn)練樣本集進(jìn)行隨機(jī)排序初始化,訓(xùn)練使用10-fold交叉驗(yàn)證方法,不同規(guī)模數(shù)據(jù)量和算法組合重復(fù)10次,求取識(shí)別準(zhǔn)確度的均值和標(biāo)準(zhǔn)差。,車輛行駛檢測(cè)模型—實(shí)驗(yàn),,不同算法的總體平均準(zhǔn)確度隨數(shù)據(jù)量(百分比)增加而上升,在數(shù)據(jù)百分比超過50%后上升不

7、明顯,說明目前的訓(xùn)練數(shù)據(jù)規(guī)模相對(duì)能夠滿足模型訓(xùn)練的需求。而誤差隨數(shù)據(jù)比例上升持續(xù)縮小,說明訓(xùn)練模型的穩(wěn)定性隨數(shù)據(jù)增長(zhǎng)而增加。在采用全部數(shù)據(jù)進(jìn)行訓(xùn)練時(shí),基于決策樹的識(shí)別模型準(zhǔn)確度最高,可達(dá)96%以上,模型最優(yōu)。,車輛行駛檢測(cè)模型—實(shí)驗(yàn),,總結(jié),,將該決策樹算法及相關(guān)的決策參數(shù)整合到移動(dòng)智能終端,使得智能終端能夠?qū)崟r(shí)對(duì)車輛的行駛模式進(jìn)行判斷接下來的工作將在此基礎(chǔ)上進(jìn)一步提出危險(xiǎn)駕駛識(shí)別模型,并通過IPv6網(wǎng)絡(luò)構(gòu)建車聯(lián)網(wǎng)環(huán)境,進(jìn)行相關(guān)的模擬

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論