科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
