【技术实现步骤摘要】
本专利技术涉及一种基于深度学习的隧道驾驶风险识别与预警方法，属于隧道交通安全研究。
技术介绍
1、隧道作为路面交通的关键部分，因其本身具有的空间狭小、照明差等特征，往往伴随更多的风险驾驶行为，成为了交通事故的多发路段。对驾驶风险的分析可以在多方面起到作用，第一、综合多种因素实现对风险的准确预警，这对于复杂的隧道环境的风险识别是十分重要的。第二、对驾驶风险的预警能够在风险发生前及时提醒驾驶员从而规避风险，同时在风险发生时也能及时通知管理者，从而快速采取相应救援措施，有利于隧道安全水平和智慧化管控水平的提升。
2、在隧道行车安全方面国内外已经做了一定研究，目前驾驶风险辨识工作通常基于少量风险因素获取行车风险指数进行隧道段驾驶风险评估与识别，而实际车辆在行车过程中所接触到的风险因素是综合且动态变化的，进行驾驶风险识别是需要充分考虑这些性质。此外目前主要集中于对当前驾驶风险的识别，但是短时预警能力较弱。因此，基于深度学习对风险的识别和预警的分析显得十分必要。
技术实现思路
1、针对现有...
【技术保护点】
1.一种基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，步骤c1中获取的数据均通过降采样将频率统一，数据类型包括：
3.根据权利要求2所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，步骤c1中通过滑动时窗法提取的指标包括：
4.根据权利要求3所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，步骤c2中采用主成分分析方法将20个驾驶行为指标进行降维，之后对降维后的数据采用模糊C均值聚类方法，提取得到三类驾驶风
【技术特征摘要】
1.一种基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，步骤c1中获取的数据均通过降采样将频率统一，数据类型包括：
3.根据权利要求2所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，步骤c1中通过滑动时窗法提取的指标包括：
4.根据权利要求3所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，步骤c2中采用主成分分析方法将20个驾驶行为指标进行降维，之后对降维后的数据采用模糊c均值聚类方法，提取得到三类驾驶风险水平。
5.根据权利要求3所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于，步骤c3中通过min-max归一化方法将数据进行标准化处理。
6.根据权利要求1所述的基于深度学习的隧道驾驶风险识别与预警方法，其特征在于：还给出...
【专利技术属性】
技术研发人员：金盛，白聪聪，江杨，周梦涛，杨城城，景峻，
申请(专利权)人：浙江大学中原研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。