-
公开(公告)号：CN109886126A
公开(公告)日：2019-06-14
申请号：CN201910064378.0
申请日：2019-01-23
Applicant: 长安大学
Abstract: 本发明公开了一种基于动态采样机制与RBF神经网络的区域车辆密度估计方法，根据目标区域内车辆密度的采样信息，初步构建车辆密度数据库；对比多次车辆密度的估计值，以存储的采样数据作为RBF神经网络的输入变量，定义一组激活函数并建立基于RBF神经网络的估计模型；将卡尔曼滤波算法应用到基于RBF神经网络估计算法中；根据各个神经元网络的权重系数以及目标区域内车辆密度的相关度函数，估计目标区域内任意一点的车辆密度；最后通过判断估计结果是否满足任务需求，实现对目标区域内车辆密度的动态估计。本发明具有较快的估计效率、较低的运算负荷以及较高的估计精度，能够实时有效地估计目标区域内的时变车辆密度，具有广泛的应用空间与实用范围。
-
公开(公告)号：CN109886126B
公开(公告)日：2020-10-23
申请号：CN201910064378.0
申请日：2019-01-23
Applicant: 长安大学
Abstract: 本发明公开了一种基于动态采样机制与RBF神经网络的区域车辆密度估计方法，根据目标区域内车辆密度的采样信息，初步构建车辆密度数据库；对比多次车辆密度的估计值，以存储的采样数据作为RBF神经网络的输入变量，定义一组激活函数并建立基于RBF神经网络的估计模型；将卡尔曼滤波算法应用到基于RBF神经网络估计算法中；根据各个神经元网络的权重系数以及目标区域内车辆密度的相关度函数，估计目标区域内任意一点的车辆密度；最后通过判断估计结果是否满足任务需求，实现对目标区域内车辆密度的动态估计。本发明具有较快的估计效率、较低的运算负荷以及较高的估计精度，能够实时有效地估计目标区域内的时变车辆密度，具有广泛的应用空间与实用范围。
-
Search Results
2
records
(took 0.012 seconds)
