Estimation of driving characteristics by the application of elman's recurrent neural network

• Autorzy: Augustynowicz A. , Bartecki K.

Warianty tytułu

PL

Ocena zastosowania częściowo rekurencyjnej sieci neuronowej Elmana do klasyfikacji stylu jazdy kierowcy

• Języki publikacji: EN

Abstrakty

EN

In this paper, a method of estimating different driving characteristics is presented. Elman's recurrent neural network is proposed to be used as a dynamical model of the driver's type, based on the active accelerator pedal position and other signals. The results can be treated as the first step towards further investigations.

PL

W artykule zaproponowano metodę klasyfikacji stylu jazdy kierowcy, wykorzystującą zdolność częściowo rekurencyjnej sieci Elmana do modelowania ciągów czasowych. W omawianym przypadku zadaniem sieci jest określenie bieżącego stylu jazdy na podstawie czterech zmieniających się w czasie sygnałów wejściowych, reprezentujących: położenie pedału przyspieszenia, prędkość i przyspieszenie samochodu oraz prędkość obrotową silnika. Wartość sygnału wyjściowego sieci decyduje o przynależności aktualnego stylu jazdy do jednej z trzech predefiniowanych kategorii, określonych jako: "spokojna", "neutralna" oraz "aktywna". Przedstawiona metoda może służyć do opracowania efektywnych algorytmów sterowania napędem samochodu osobowego.

Słowa kluczowe

PL

klasyfikacja stylu jazdy; modelowanie ciągów czasowych; sterowanie napędem samochodu; sieci neuronowe

• Wydawca: Warsaw University of Technology, Faculty of Transport
• Czasopismo: Archives of Transport
• Rocznik: 2006
• Tom: Vol. 18, iss. 4
• Strony: 5--13
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Augustynowicz A.

autor

Bartecki K.

• Politechnika Opolska, Wydział Mechaniczny, 45-271 Opole, ul. S. Mikołajczyka 5

Bibliografia

• l. Augustynowicz A.: Estimation of driver's intention based on acceleration pedal signal. International Automotive Congress KONMOT-AUTOPROGRES, Zakopane, Poland, 2004.
• 2. Augustynowicz A., Korniak J.: Steering of car speed at use of fuzzy logic. International Automotive Congress KONMOT-AUTOPROGRES, Pasym, Poland, 2002.
• 3. Bartecki K., Rojek R.: Instantaneous linearization of neural network model in adaptive control of heat exchange process. Proceedings of the 11th IEEE International Conference on Methods and Models in Automation and Robotics, Międzyzdroje, 2005, p. 967-972.
• 4. Demuth H., Beale M.: Neural Network Toolbox For Use with MATLAB. The MathWorks Inc., Natick.
• 5. Hayakawa K., Osawa M. et al.: Real Time Estimation of Driver's Intention and Environment Based on Operational Signals. FISITA World Automotive Congress, Paris, 1998, No. F98S204.
• 6. Haykin S.: Neural Networks. A Comprehensive Foundation. Macmil1an College Publishing Company, New York, 1994.
• 7. Jantos I., Siłka W.: A new idea of the automatic control system for the driving units in cars with spark-ignition engine. FISITA World Automotive Congress, Paris, 1998, No. F98T629.
• 8. Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2000.
• 9. Rojek R., Bartecki K., Korniak I.: Metody sztucznej inteligencji w zastosowaniach automatyki. Pomiary Automatyka Kontrola, nr 10, 2006, s. 29-34.
• 10. Tan H., Jia K., De Silva L.: Human activities recognition by head movement using partial re current neural network. Visual Communications and Image Processing. Proceedings of the SPIE, Vol. 5150, 2003, p. 2007-2014.