文章详情
| 稿件标题： | 基于Encoder-Decoder注意力网络的异常驾驶行为在线识别方法 |
| 稿件作者： | 唐坤1,2，戴语琴1，徐永能1，郭唐仪1，邵飞2 |
| DOI： | 10.11809/bqzbgcxb2023.08.010 |
| 科学编辑： | 张秀彬（上海交通大学教授、博导） |
| 栏目名称： | 运载系统运用工程专栏 |
| 关键词： | 异常驾驶；深度学习；编码器解码器；长短时记忆网络；注意力机制 |
| 文章摘要： | 异常驾驶行为是车辆安全运行的重大威胁，其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础，通过对驾驶行为特性进行数据分析，提出一种融合EncoderDecoder深度网络与Attention机制的异常驾驶行为的在线识别方法。该方法由基于LSTM（long shortterm memory）的EncoderDecoder、Attention机制与基于SVM（support vector machine）的分类器3个模块构成。该系统识别方法包括：输入编码、注意力学习、特征解码、序列重构、残差计算与驾驶行为分类等6个步骤。该技术方法利用自然驾驶条件下所采集的手机传感器数据进行实验。实验结果表明：① 手机多传感器数据融合方法对驾驶行为识别具备有效性；② 异常驾驶行为必然会造成数据异常波动；③ Attention机制有助于提升模型学习效果，对所提出模型的识别准确率F1score为0.717，与经典同类模型比较，准确率得到显著提升；④ 对于汽车异常驾驶行为来说，SVM比Logistic与随机森林算法具有更优越的识别效果。 |
| 稿件基金： | 国家自然科学基金项目（52002184）；中国博士后科学基金项目（2021M693935）；江苏省高层次创新创业人才引进计划项目（JSSCBS20210223）；中央高校基本科研业务费专项资金资助项目(30923011003) |
| 引用本文格式： | 唐坤，戴语琴，徐永能，等.基于EncoderDecoder注意力网络的异常驾驶行为在线识别方法［J］.兵器装备工程学报，2023，44(8)：63-71. TANG Kun, DAI Yuqin, XU Yongneng, et al.Online recognition methods of abnormal driving based on EncoderDecoder attention network［J］.Journal of Ordnance Equipment Engineering，2023，44(8)：63-71. |
| 刊期名称： | 2023年08期 |
| 出版时间： | 2023年8月 |
| 上线时间： | 2023年8月28日 |
| 浏览次数： | 1737 |
| 下载次数： | 64 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |