基于路面温度和太阳辐射强度的路面状态识别方法  

Road Condition Detection Based on Road Temperature and Solar Radiation

作　　者：卢俊辉[1,2] 王建强[1] 李克强[1] 连小珉[1] 

机构地区：[1]清华大学汽车安全与节能国家重点实验室,北京100084 [2]江汉大学物理与信息学院,武汉430056

出　　处：《农业机械学报》2010年第5期21-23,11,共4页Transactions of the Chinese Society for Agricultural Machinery

基　　金：国家"863"高技术研究发展计划资助项目(2007AA11Z230);教育部博士点新教师基金资助项目(20070003119);中国博士后科学基金资助项目(20090460312)

摘　　要：路面温度由路面湿滑状态(干燥、潮湿、雪、冰)和太阳辐射强度(反映于季节、地理位置、时刻、空气温度和空气湿度)决定,它们三者之间存在非线性因果关系。本文以路面温度和太阳辐射强度为输入构造BP神经网络分类器,间接地识别路面湿滑状态。在干燥和潮湿路面识别实验中,采用28天的1 344个时刻的数据训练BP神经网络,采用2天的96个时刻的数据验证BP神经网络,路面湿滑识别准确率达90%。Road temperature depends on road condition（dry,wet,snowy,icy） and solar radiation（mapped to season,geographical location,time,air temperature and air humidity）,and there is the nonlinear causality among them,thus,road condition can be detected indirectly by road temperature and solar radiation with BP neural network.During the experiment to detect road condition（dry,wet）,BP neural network was trained with 1344 group data and validated by 96 group data,the road condition detection accuracy reached 90%.

关 键 词：路面识别 路面温度 太阳辐射强度 BP神经网络 

分 类 号：U461.91[机械工程—车辆工程]