《基于手机传感器的交通状态识别研究》PDF+DOC
作者:杨津达,曹永春,林强,满正行,刘新帅
单位:西北民族大学
出版:《西北民族大学学报(自然科学版)》2019年第04期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFXMXB2019040020
DOC编号:DOCXMXB2019040029
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于手机传感器的握持方式判断及运动状态识别》PDF+DOC2017年第02期 黄一鸣,雷航,周瑞,桑楠
《基于加速度传感器的人体跌倒检测方法》PDF+DOC2017年第02期 孙子文,孙晓雯
《基于SVM和阈值分析法的摔倒检测系统》PDF+DOC2017年第07期 陈玮,周晴,曹桂涛
《基于手机传感器数据的交通出行调查实证评估》PDF+DOC2020年第01期 杨飞,郭煜东,JINJP,吴海涛
《一种羽毛球挥拍运动分析装置》PDF+DOC2018年第12期 陈佩,金立左,李久贤
《基于分散熵和支持向量机的运动状态识别》PDF+DOC2019年第07期 杨智超,李国辉,李佳韵,申嘉琪
《基于SVM的加速度传感器积累误差消除方法》PDF+DOC2012年第06期 徐时伟,沈海斌
《基于三轴加速度信号的实时人体状态识别算法》PDF+DOC2012年第11期 李娜,侯义斌,黄樟钦,韩广利,张会兵
《三轴加速度传感器安装误差标定方法研究》PDF+DOC2011年第11期 张辉,柴伟,罗强,刘漫霞
《支持向量机在目标融合识别中的应用》PDF+DOC2011年第S1期 魏晓明,王明皓
准确获取交通状态是实现智能交通的重要环节之一.为实时检测车辆行驶状态,进而提取出当前道路的运行状况,来研究基于手机传感器的车辆行驶状态数据收集及交通状态识别.首先,应用手机内嵌的加速度传感器获取车辆的实时行驶状态数据,然后构建基于SVM的交通状态识别模型.最后,利用一组真实的车辆运行状态数据集,验证提出的交通识别模型,获得了良好的识别性能,平均准确率达到89.05%。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。