公交车辆驾驶行为模糊神经网络姿态判别技术

该篇文章主要探讨了"基于模糊神经网络的车辆行驶姿态判别方法"，其核心目标是提升公交车辆的主动安全管理，通过分析和识别驾驶人员的不良驾驶行为。研究者刘永吉和向怀坤针对这一问题，利用了车辆行驶过程中的实时三轴加速度数据，这是由车载单台加速度计MPU6500采集的，作为车辆行驶姿态的重要指标。 他们提出的策略是将车辆的姿态数据与一套公认的判别标准——ISO2631-1-1997/AMD.1-2010进行对比，这个标准涉及人体在不同车辆动态条件下的主观感受。通过模糊神经网络（FNN）模型，他们构建了一种关联性和判别机制，这种模型能够处理不确定性并考虑到驾驶行为的复杂性。Takagi-Sugeno模糊逻辑被用于设计这个网络，它允许在网络输入的不确定性和模糊性下进行决策。 论文的关键贡献在于展示了如何运用这种模糊神经网络方法，不仅能够自动检测车辆在运动状态下的驾驶者不良行为，而且判别结果与乘客的主观感知相吻合，这表明了该方法的有效性和实用性。这项研究的结果对于改善公共交通的安全性具有重要意义，因为它提供了一种非侵入式的、实时的驾驶行为监控手段，有助于预防交通事故并提升驾驶员培训效果。 文章发表在《辽宁工程技术大学学报（自然科学版）》2018年第2期，刘永吉和向怀坤两位作者分别来自辽宁工程技术大学和深圳职业技术学院，他们在管理科学与组织行为学以及智能交通管理与控制领域有着丰富的学术背景。他们的合作展现了理论研究与实际应用的结合，为智能交通系统的未来发展提供了有价值的研究方向。