基于協(xié)同方法交通狀態(tài)識(shí)別(編輯修改稿)
2025-06-12 19:10 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 ξ k－ k′≠ kBkk′ξ 2k′ξ k－ C k′ξDOC 格式 論文 ，方便 您的 復(fù)制修改刪減 2k′ξ k.（ 5） 模式識(shí)別的動(dòng)力學(xué)方程式 (5)可以表示為 3 層網(wǎng)絡(luò)，因此，協(xié)同模式識(shí)別模型也稱為協(xié)同神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的輸出被投影到第三層，根據(jù)下式： q(t)= k=1ξ kvk.（ 6）實(shí)現(xiàn)網(wǎng)絡(luò)的聯(lián)想功能，最終完成協(xié)同神經(jīng)網(wǎng)絡(luò)的識(shí)別過程。 由公式（ 6）可知，原型模式向量的選擇和序參量的構(gòu)造是協(xié)同模式識(shí)別的關(guān)鍵。 3 交通狀態(tài)的協(xié)同檢測(cè)分類 [*2] 單車道提取 一般情況下，攝像機(jī)是固定的，因此，可以根據(jù)攝像機(jī)采集角度取得各單車道圖像區(qū)域坐標(biāo)，自動(dòng)裁剪覆蓋梯形單車 道的最小矩形區(qū)域，并根據(jù)車道坐標(biāo)將非此車道的區(qū)域清空。單車道圖像提取效果如圖 1所示。 交通狀態(tài)原型的選擇 協(xié)同模式識(shí)別方法需要將待識(shí)別圖像和原型模式進(jìn)行相似度量，得到序參量的初始值，因此，原型模式的選擇對(duì)識(shí)別效果有著十分重要的作用，它給協(xié)同神經(jīng)網(wǎng)絡(luò)的識(shí)別能力定下了基調(diào)。原型模式選擇［ 2］的主要方法有：基于經(jīng)驗(yàn)選擇法、基于數(shù)學(xué)平均值選擇法、基于聚類法選擇法、基于遺傳算法選擇法、 圖 1 單車道提取效果圖 基于信息疊加學(xué)習(xí)算法選擇法等。這些方法的特點(diǎn)是學(xué)習(xí)訓(xùn)練結(jié)束之后，原型相對(duì)穩(wěn)定不變，這對(duì)道 路的交通情況不適用，因?yàn)槭芄饩€、抖動(dòng)等影響，使得現(xiàn)場(chǎng)交通圖像與學(xué)習(xí)訓(xùn)練間產(chǎn)生原型模式有較大的差距，因此，要考慮將實(shí)時(shí)現(xiàn)場(chǎng)信息對(duì)原型模式進(jìn)行動(dòng)態(tài)修正。由于協(xié)同神經(jīng)網(wǎng)絡(luò)中的原型模式具有信息疊加能力［ 3］ ,筆者提出一種實(shí)時(shí)信息疊加的動(dòng)態(tài)原型選擇方法，以解決光線、抖動(dòng)的干擾。其DOC 格式 論文 ，方便 您的 復(fù)制修改刪減 基本思想如下：分別采集一批關(guān)車燈白天與開車燈夜間（ —,— ） 2 個(gè)時(shí)段的 4 種典型交通狀態(tài)圖像（長(zhǎng)排隊(duì)、短排隊(duì)、滿通行、暢通行），利用數(shù)學(xué)平均值求得原型模式 vtk(0)，k=1,2,3,4， t=1,2，作為初始的原型模式；然后將 i 時(shí)間段采集的輸入模式樣本 qi送進(jìn)協(xié)同神經(jīng)網(wǎng)絡(luò)中識(shí)別，若識(shí)別結(jié)果為第 j個(gè)交通狀態(tài)模式，則將 qi 作為反饋量來修正原型模式 vij，采用下式修正： vij=vij(0) (1－ r)+qi r, r∈［ 0,1］ ,(7)其中 r為疊加力度，可依據(jù) vij(0)與 qi 之間差值決定，相差大， r 取大，相差小， r 取小。 用修正后的原型模式來識(shí)別下一個(gè)實(shí)時(shí)采集的輸入樣本，這樣不斷把時(shí)間最接近的交通信息疊加到原型中，原型中疊加的信息與待識(shí)別的輸入樣本采集時(shí)間相差在幾秒之內(nèi)，具有較強(qiáng)的一致性，能有效解決光 線抖動(dòng)等干擾。 實(shí)時(shí)信息疊加的動(dòng)態(tài)原型選擇方法描述如下 : step1:采集不同時(shí)段各種交通狀態(tài)的圖像作為學(xué)習(xí)訓(xùn)練樣本集{qtk(n)|t=1,2。k=1,2,3,4。n=1,2,… ,Nk}，利用數(shù)學(xué)平均值計(jì)算初始原型模式： vtk(0)= Nn=1qtk(n)Nk, t=1,2。 k=1,2,3,4.（ 8） step2:將 i時(shí)段采集的交通圖像 qi 送進(jìn)協(xié)同神經(jīng)網(wǎng)絡(luò)識(shí)別，設(shè)識(shí)別結(jié)果為第 j個(gè)交通狀態(tài)模式，則依據(jù)下式求疊加力度 r： r=‖ vij(0)－ qi‖‖ vij(0)‖ 1Nk.（ 9） step3:利用公式（ 7）修正原型模式 vij，作為下一輪協(xié)同識(shí)別的原型模式。 取白天時(shí)段狀
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1