基于反向传播算法的驾驶行为识别研究

摘要

汽车驾驶行为被认为是导致交通事故的重要原因之一,也一直是交通安全领域重要的研究热点。对驾驶员微观行为研究的传统方法大多基于模拟数据,近年来学术界使用机器学习算法研究微观驾驶行为是一个方向但存在研究的不足。论文针对传统方法的不足,提出了基于汽车实时硬件数据与行车记录视频数据融合的驾驶行为提取方法,基于机器学习中的人工神经网络与反向传播算法对驾驶数据进行分析,并对驾驶行为进行识别,为今后相关研究提供参考。实验表明,改进的反向传播算法对驾驶员行为识别预测有所提高,有利于评定特定场景下驾驶员特定驾驶行为的可靠度,为道路交通事故的预防提供了一种思路。