Functionality improvement of driverless cars using traffic data and artificial neural networks

Functionality improvement of driverless cars using traffic data and artificial neural networks

… دانلود …

Functionality improvement of driverless cars using traffic data and artificial neural networks دارای 8 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد Functionality improvement of driverless cars using traffic data and artificial neural networks کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي Functionality improvement of driverless cars using traffic data and artificial neural networks،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن Functionality improvement of driverless cars using traffic data and artificial neural networks :

سال انتشار : 1395

نام کنفرانس یا همایش : دومين همايش سيستم هاي حمل و نقل هوشمند جاده اي

تعداد صفحات : 8

چکیده مقاله:

This paper aims to improve the functionality of driverless cars using traffic data based on a follow-up study. Artificial neural networks are used for training a driverless car to react and decide whether to accelerate or decelerate with respect to the speed and acceleration of adjacent vehicles as well as their types and positions to the car. To this end, an Equivalent Vehicle (EV) is introduced and defined for each car in the traffic data and used for training of a neural network. A feed-forward and a time-delay neural network (TDNN) are used to simulate a driver’s reaction. The TDNN tends to show a better performance compared to a feed-forward neural network. This method is illustrated using the NGSIM traffic data.

نوشته شده در دسته‌بندی نشده توسط admin. افزودن پیوند یکتا به علاقمندی‌ها.