本发明为一种基于深度学习的交通方式检测方法。该方法利用深度学习技术,结合传感器数据和机器学习算法,实现对用户交通方式的准确检测和分类。
背景技术:
1、传统的交通方式监测方法往往依赖于固定式设备或人工调查,存在数据获取成本高、实时性差以及数据准确性不足等问题。
2、现有的基于传感器数据的交通方式检测方法通常采用简单的规则或传统的机器学习算法,往往面临着识别准确性不高、对于复杂交通场景的适应性差等问题。
3、随着智能手机的普及和智能传感器技术的发展,利用手机传感器数据进行交通方式检测成为了一种新的检测方式。
技术实现思路
1、有鉴于此,本申请提供一种交通方式检测方法。
2、具体地,本申请的技术方案是:一种基于深度学习的交通方式检测方法,包括:
3、步骤一:利用智能手机或其他移动设备的传感器采集用户的移动数据。
4、步骤二:将用户的移动数据输入到预先训练的交通方式预测模型的深度特征提取网络,以得到用户移动数据的深度特征。
5、步骤三:将用户移动数据的深度特征输入到所述预先训练的交通方式预测模型的分类网络,以得到所述用户移动数据的分类结果。
1.一种基于深度学习的交通方式分类方法,其特征在于,所属交通方式分类方法包括以下步骤:
2.根据权利要求1所述的一种基于深度学习的交通方式分类方法,其特征在于,级联的所述深度特征提取网络以及所述分类网络通过以下方式训练得到:对于训练集中的任意一个训练样本,将其输入到所述深度特征提取网络,以得到该训练样本的深度特征;将该训练样本的深度特征输入到所述分类网络,以得到该训练样本的分类结果。
3.根据权利要求2所述的一种基于深度学习的交通方式分类方法的预训练方法,其特征在于,所述将该训练样本的深度特征输入到所述分类网络之后,还包括:
4.根据权利要求3所述的一种基于深度学习的交通方式分类方法的预训练参数优化方法,其特征在于,所述对级联的所述深度特征提取网络以及所述分类网络的网络组合进行参数优化,包括:
5.根据权利要求3所述的一种基于深度学习的交通方式分类方法的预训练参数优化方法,其特征在于,所述交通方式分类网络模型的分类准确率满足预设条件,包括:所述交通方式分类网络模型的分类准确率大于预设准确率阈值。
6.根据权利要求1所述的一种基于深度学习的交通方式分类方法,其特征在于,所述步骤二:将所述原始用户的移动数据输入到所述预先训练的交通方式分类网络模型的深度特征提取网络,包括:
7.根据权利要求1所述的一种基于深度学习的交通方式分类方法,其特征在于,所属步骤三:将所述原始用户移动数据的深度特征输入到所述预先训练的交通方式分类网络模型的分类网络,包括:将所述原始用户移动数据的深度特征输入到所述预先训练的交通方式分类网络模型的分类网络中对应的全连接层,以得到原始用户移动数据的分类结果。