用于驾驶风格表征学习的自编码器正则化网络
计算机视觉与模式识别
2017-01-09 v1 人工智能
神经与进化计算
摘要
在本文中，我们研究从汽车 GPS 行程数据中学习广义驾驶风格表征。我们提出了一种新颖的自编码器正则化深度神经网络 (ARNet) 和一个行程编码框架 trip2vec，通过在统一架构中结合有监督和无监督特征学习，直接从 GPS 记录中学习驾驶员的驾驶风格。在一个具有挑战性的驾驶员数量估计问题和驾驶员识别问题上的实验表明，ARNet 能够学习到良好的广义驾驶风格表征：与传统有监督学习方法相比，它通过达到平均最小的估计误差（0.68，小于一名驾驶员）和最高的识别准确率（至少提高 3%）显著优于现有方法和替代架构。
引用
@article{arxiv.1701.01272,
title = {Autoencoder Regularized Network For Driving Style Representation Learning},
author = {Weishan Dong and Ting Yuan and Kai Yang and Changsheng Li and Shilei Zhang},
journal= {arXiv preprint arXiv:1701.01272},
year = {2017}
}