首页|车联网数据的PCA-LVQ行驶工况识别方法与测试

车联网数据的PCA-LVQ行驶工况识别方法与测试

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
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

展开 >

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

主成分分析 学习向量量化神经网络 工况识别 车联网数据

重庆市教委科学技术研究计划公共交通装备设计与系统集成重庆市重点实验室项目

KJQN2021000713CKLPTEDSI-KFKT-202108

2022

10.3969/j.issn.1674-8425(z).2022.06.012

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
年,卷(期)：2022.36(6)
  • 2
  • 8