基于双向长短记忆网络的异常驾驶行为检测

摘要：

异常驾驶行为的识别对交通安全起着至关重要的作用,准确识别异常驾驶行为能够显著提高驾驶安全.目前,针对车辆行驶过程中的异常驾驶行为,如急加速、急减速、突然左转或右转等的检测识别,主要采用视频监控或聚类的方法完成.在这两种方法中,前者的实际效果受到应用场景的制约,而后者则不能针对具体的单个车辆进行驾驶行为识别.针对以上问题,使用一种基于双向长短记忆网络(Bi-LSTM)及全连接神经网络(FC)的拓展神经网络检测模型,该模型能有效利用行车数据在时间序列上发生突变时的特征,提高异常驾驶行识别准确率.将车辆行车数据处理后制作数据集并对模型进行训练,训练完成后的神经网络模型能够有效利用行车数据的时间序列特征,准确识别车辆的异常驾驶行为,准确率可达到98.08％.

关键词：深度学习、驾驶行为识别、双向长短记忆网络

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：中央高校基本科研业务费;国家重点研发计划课题子课题;陕西省重点研发计划

在线出版日期：2020-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：116-122