随着汽车数量持续增加,车与路的矛盾日益突出,由此引发了交通运输和管理问题。而智能交通技术和车联网技术是解决交通拥堵和管理问题的有效途径。因此,运用数据挖掘的方法,使用isolation forest算法和SOM算法对车联网技术采集的交通数据进行预处理并提取特征值,再通过K-mesns聚类算法归类并添加标签,最后通过BP神经网络构建分类器,实现了对驾驶员驾驶行为的分类和评价,实例计算结果表明,该算法能客观、有效的评价驾驶员驾驶行为,对交管部门、汽车营运企业有具有一定参考价值。
类型: 期刊论文
作者: 郑恒杰,熊昕,张上
关键词: 车联网,算法,聚类算法,神经网络
来源: 信息通信 2019年08期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,计算机软件及计算机应用
单位: 三峡大学计算机与信息学院
基金: 赛尔网络下一代互联网技术创新项目（NGII20161210）的资助
分类号: TP311.13;U495
页码: 52-55
总页数: 4
文件大小: 1869K
下载量: 325
本文来源: https://www.lunwen66.cn/article/8b7d8526c1d7e9c3e71d6ffd.html