.png){kind=icon}
返回
Vehicle classification using accelerometer signals and machine-learning techniques
.png){kind=icon}
PRE
AI
DOI：10.1080/15472450.2025.2497507.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确的车辆分类对于优化交通管理、经济预测、排放监测和交通执法（如限速和限重）具有重要价值。现有方法常受限于昂贵且侵入式的传感器或基于摄像头的系统，导致隐私问题、安装复杂以及恶劣环境条件（如雨、雾和风暴）下的性能不佳。本文提出了一种低成本、非侵入式的分类方法，利用单轴三向加速度计捕获路面振动，结合智能特征提取和机器学习技术。采用自适应合成采样（ADASYN）技术缓解类别不平衡问题。结合随机森林和XGBoost的堆叠集成分类器在八个车辆类别上实现了99.78%的准确率。在50次独立迭代训练中，模型性能表现稳健且具有统计学意义。该方法在收费站、停车场和物流枢纽等地点的大规模部署展现出巨大潜力，从而提供了一种低成本解决方案，克服了传统车辆分类系统及恶劣天气条件的局限性。
Keyword:
accelerometer
feature engineering
machine learning
traffic management
vehicle classification
ADASYN
期刊
IF:
3.8
论文数:
4.6K
被引数:
1.2W
机构
引用论文
Vehicle-Classification Algorithm Based on Component Analysis for Single-Loop Inductive Detector
PREAI
分享收藏分享收藏An Ensemble Deep Learning Method for Vehicle Type Classification on Visual Traffic Surveillance Sensors.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容