重庆理工大学学报2022，Vol.36Issue(6) ：96-104.DOI:10.3969/j.issn.1674-8425(z).2022.06.012

车联网数据的PCA-LVQ行驶工况识别方法与测试

Typical drivingcondition identification method and verification based on driver's networking data and PCA-LVQ algorithm

郑国峰 林鑫 张承伟 肖攀 张学东
重庆理工大学学报2022，Vol.36Issue(6) ：96-104.DOI:10.3969/j.issn.1674-8425(z).2022.06.012
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

车联网数据的PCA-LVQ行驶工况识别方法与测试

Typical drivingcondition identification method and verification based on driver's networking data and PCA-LVQ algorithm

郑国峰 1林鑫 2张承伟 2肖攀 2张学东2
扫码查看

作者信息

  • 1. 中国汽车工程研究院股份有限公司,重庆 401122;重庆交通大学 机电与车辆工程学院,重庆 400074
  • 2. 中国汽车工程研究院股份有限公司,重庆 401122
  • 折叠

摘要

提出了基于主成分分析-学习向量量化(PCA-LVQ)神经网络智能算法的行驶工况的识别方法.基于用户车联网数据,通过运动学片段划分后,首先对速度、刹车频次、驾驶时间等多维度特征参数进行主成分分析(principal component analysis,PCA),实现输入信息降维处理,避免冗余信息带来的识别误差.其次将降维后的信息输入到LVQ神经网络模型中进行训练,并将模型用于用户典型驾驶工况的识别,分别对模型识别的影响因素进行研究.结果表明:基于PCA-LVQ智能算法的行驶工况识别方法能够有效进行工况识别,工况识别的精度与运动学片段长度相关,还受训练样本量和识别量的影响,但不受工况顺序影响.

关键词

主成分分析/学习向量量化神经网络/工况识别/车联网数据

引用本文复制引用

基金项目

重庆市教委科学技术研究计划(KJQN2021000713)

公共交通装备设计与系统集成重庆市重点实验室项目(CKLPTEDSI-KFKT-202108)

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量2
参考文献量8
段落导航相关论文