高级搜索

基于深度学习的车联边缘网络交通事故风险预测算法研究

赵海涛 程慧玲 丁仪 张晖 朱洪波

引用本文: 赵海涛, 程慧玲, 丁仪, 张晖, 朱洪波. 基于深度学习的车联边缘网络交通事故风险预测算法研究[J]. 电子与信息学报, doi: 10.11999/JEIT190595 shu
Citation:  Haitao ZHAO, Huiling CHENG, Yi DING, Hui ZHANG, Hongbo ZHU. Research on Traffic Accident Risk Prediction Algorithm of Edge Internet of Vehicles Based on Deep Learning[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190595 shu

基于深度学习的车联边缘网络交通事故风险预测算法研究

    作者简介: 赵海涛: 男,1983年生,博士,副教授,研究方向为物联网与移动边缘计算;
    程慧玲: 女,1995年生,硕士生,研究方向为移动边缘计算与人工智能;
    丁仪: 女,1995年生,硕士生,研究方向为物联网路由优化和边缘计算;
    张晖: 男,1982年生,博士,副教授,研究方向为未来无线网络;
    朱洪波: 男,1956年生,博士,教授,研究方向为移动通信与宽带无线技术、无线通信与电磁兼容
    通讯作者: 赵海涛,zhaoht@njupt.edu.cn
  • 基金项目: 国家自然科学基金(61771252),江苏省自然科学基金(BK20171444),江苏省高校重点自然科学研究重大项目(18KJA510005),江苏省"六大人才高峰"B类资助项目(DZXX-041),江苏省科协青年科技人才托举工程资助培养项目,江苏省研究生科研创新计划项目(KYCX19_0949)

摘要: 针对传统交通事故风险预测算法无法自动判别数据特征,且模型表达能力差等问题。该文提出一种基于深度学习的车联边缘网络交通事故风险预测算法,该算法首先针对车载自组织网络中采集的大量交通数据,采用边缘服务器中建立的卷积神经网络自主提取多维特征,经归一化、去均值等预处理后,再将得到的新变量输入卷积层、采样层进行训练,最后根据全连接层输出的判别值,得到模拟预测交通事故发生的风险性。仿真结果表明,该算法被验证能够预测交通事故发生的风险性,较传统的机器学习算法BP神经网络、逻辑回归具有更低的损失与更高的预测准确度。

English

图(8)
计量
  • PDF下载量:  15
  • 文章访问数:  166
  • HTML全文浏览量:  112
文章相关
  • 通讯作者:  赵海涛, zhaoht@njupt.edu.cn
  • 收稿日期:  2019-08-06
  • 录用日期:  2019-11-05
  • 网络出版日期:  2019-11-13
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章