排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
基于主成分分析与BP 神经元网络的驾驶能耗组合预测模型研究 总被引:1,自引:0,他引:1
近年来交通领域能源消耗问题备受关注,本文从微观交通能耗预测出发,以实现北京市快速路基础路段的油耗预测为目的,基于出租车车载OBD/GPS终端,提取驾驶员微观驾驶行为数据,建立基于主成分分析与BP神经元网络的油耗组合预测模型,实现北京市快速路基础路段油耗的准确预测.结果表明:速度均值及标准差、最大车速、工况百分比、加速度及减速度均值、行驶距离和动能对油耗影响程度相对较高;同时模型能够实现城市快速路基础路段能耗的有效预测,预测精度达到92.46%.该方法的研究为城市交通能源消耗的监管与把控提供了支持. 相似文献
4.
交通事故频发已经严重影响到了人们的生活,并对社会经济造成了巨大的损失.提升驾驶员的驾驶能力能有效减少驾驶事故发生.聚焦典型违法驾驶行为,基于simulator实验平台开发的沉浸体验式教育系统(DSIES),通过系统教育纠正驾驶行为进而减少事故.通过典型违法驾驶行为致因分析,基于计划行为理论提出“知-教-行”动态教育系统.为验证系统有效性,选取具有代表性的4项违法驾驶行为作为实验对象,42名被试者被随机均分为2组进行传统教育及新型教育.采用描述性统计、显著性方差分析及灰度关联分析方法验证不同教育方式的效果.实验结果表明,新型教育系统能有效提升驾驶员驾驶能力;但随着时间的流逝,教育效果均有所降低.另一方面,该教育系统从短时教育及长时教育效果方面均优于传统教育,通过动态教育系统能有效提高驾驶员危险预测能力、降低交通违法行为. 相似文献
5.
1