基于改进群智能k-means优化算法的侵犯性驾驶行为异常点检测 |
| |
引用本文: | 王丝丝,张敬磊,王建兴,陈慈,马春杰.基于改进群智能k-means优化算法的侵犯性驾驶行为异常点检测[J].科学技术与工程,2018,18(34). |
| |
作者姓名: | 王丝丝 张敬磊 王建兴 陈慈 马春杰 |
| |
作者单位: | 山东理工大学 交通与车辆工程学院,山东理工大学 交通与车辆工程学院,山东理工大学 交通与车辆工程学院,北京工业大学 城市交通学院 |
| |
基金项目: | 山东省自然科学基金(ZR2017LF015); 国家自然科学基金(61573009); 山东省高等学校科技计划(J15LB07) |
| |
摘 要: | 如何有效地检测侵犯性驾驶行为异常数据,避免它们对后续建模分析产生不利影响是研究的焦点。在综述侵犯性驾驶行为研究现状基础上,借助驾驶模拟仿真实验系统和Ergo LAB人因系统进行侵犯性驾驶实验;并通过不同传感器获取了驾驶行为人车环境高维数据,最后采用优化的K-means聚类算法对该高维数据进行聚类和异常值检测。结果表明,最佳聚类数为2;并有效输出了异常点检测结果,为下一步的侵犯性驾驶行为定量分析提供了优质的数据保证。
|
关 键 词: | 侵犯性驾驶行为,群智能算法,k-means聚类,最佳聚类数,异常点检测 |
收稿时间: | 2018/7/28 0:00:00 |
修稿时间: | 2018/9/19 0:00:00 |
Outlier detection study of Reckless driving behaviors Based on Improved Swarm Intelligent K-means Algorithm |
| |
Institution: | School of Transportation and Vehicle Engineering, Shandong University of Technology,,,, |
| |
Abstract: | |
| |
Keywords: | reckless driving swarm intelligence algorithm K-means clustering optimal clustering number outlier detection |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|