基于CNN神经网络的大型停车库实时优化

基于CNN神经网络的大型停车库实时优化

论文摘要

为缓解大型停车场内车辆无效绕行距离及车位分配不均问题,运用CNN卷积神经网络深度学习方法,对实时采集的停车场视频图像进行识别和分类,获取停车场通道上车辆状态参数及停车场内车位状态;以武汉宜家停车场为研究对象进行实证分析.研究结果表明,采用此法进行停车场优化能减少驾驶员的无效绕行,提高了停车效率.

论文目录

  • 0 引言
  • 1 停车实时优化问题
  •   1.1 停车模型的建立
  •   1.2 车辆最优停车路径评价
  • 2 CNN停车图像识别
  •   2.1 CNN卷积神经网络
  •   2.2 改进CNN方法下的图像训练与识别
  • 3 实时停车路径优化
  • 4 案例分析
  • 5 结束语
  • 文章来源

    类型: 期刊论文

    作者: 刘念,徐良杰,赵玮

    关键词: 停车场,动态检测,卷积神经算法,状态识别,路径优化

    来源: 武汉理工大学学报(交通科学与工程版) 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 公路与水路运输,自动化技术

    单位: 武汉理工大学交通学院,内蒙古大学经济与管理学院

    分类号: TP183;U491.7

    页码: 560-564

    总页数: 5

    文件大小: 202K

    下载量: 123

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于CNN神经网络的大型停车库实时优化
    下载Doc文档

    猜你喜欢