基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法.pdf
<h3>一、基本信息</h3><p>文档名称：基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法</p>
<p>文档格式：pdf格式</p>
<p>文档大小：1.8MB</p>
<p>总页数：40页</p>
</br>
<h3>二、简介</h3>
<p>《基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法》是一篇结合大数据分析与智能算法的研究论文。该文利用高德导航平台提供的海量出行数据，通过改进的果蝇优化算法（FOA）对广义回归神经网络（GRNN）模型进行参数优化，提升驾驶行为识别的准确性。研究旨在通过对驾驶轨迹、速度、转向等数据的分析，识别不同驾驶员的驾驶倾向性，为个性化驾驶服务、交通安全评估及智能辅助驾驶系统提供技术支持。该方法在实际应用中表现出良好的适应性和稳定性，具有重要的理论和实践意义。</p>
</br>
<h3>三、预览</h3>
<img src="https://d.z3060.com/docthumbnail/202509/03/v3bsdojefye.webp" title="基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法" alt="基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法">
页:
[1]