[發明專利]一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法

在審

• 申請號: 201911296409.1
• 申請日: 2019-12-16
• 公開（公告）號: CN111160735A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 陳浩波;金偉松;江華偉;曹燕;舒振宇;王鋼;楊思鵬;金海容;隆威
• 申請（專利權）人: 寧波市市政設施中心;浙江大學寧波理工學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

1.一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，其特征在于，包括如下具體步驟：

步驟1：采集車輛經過若干橋頭時的加速度數據，對所述加速度數據進行標簽標注，整理得到二維加速度序列，所述二維加速度序列作為訓練樣本；

步驟2：將所述訓練樣本加速度序列輸入LSTM網絡進行訓練學習，獲得遞歸神經網絡LSTM模型Q；

步驟3：采集車輛行駛過待檢測路段時的待檢測加速度數據，獲得待檢測加速度序列；

步驟4：將所述待檢測加速度序列輸入所述步驟2中的所述遞歸神經網絡LSTM模型Q，獲得所述待檢測加速度序列中每一列的標簽。

2.根據權利要求1所述的一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，其特征在于，所述步驟1中的所述加速度數據包括前向加速度和豎向加速度，所述前向加速度和所述豎向加速度組成所述二維加速度序列；每個所述訓練樣本包含所述車輛經過當前所述橋頭時的所述二維加速度序列和所述標簽。

3.根據權利要求1所述的一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，其特征在于，所述步驟2采用所述LSTM遞歸神經網絡訓練過程中，在序列輸入層輸入每個所述訓練樣本的所述二維加速度序列，依次經過LSTM層、全連接層和Softmax層對所述二維加速度序列進行學習，在分類輸出層輸入所述標簽進行訓練獲得所述遞歸神經網絡LSTM模型Q；基于LSTM采用梯度下降方法對所述全連接層和所述Softmax層進行神經網絡訓練學習。

4.根據權利要求1所述的一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，其特征在于，所述步驟1通過在所述車輛中安裝的速度傳感器采集所述車輛通過所述橋頭時間段內的所述加速度數據。

5.根據權利要求1所述的一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，其特征在于，所述步驟1中，所述標簽標記具體過程包括：采集所述車輛經過若干所述橋頭時發生橋頭跳車現象的時間片段，根據所述時間片段對采集的所述加速度數據進行標記，對應發生所述橋頭跳車現象的所述加速度數據標記為標簽1，其余所述加速度數據標記為標簽0。