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