基于标准化指南的用于提升驾驶安全性的电动汽车前照灯亮度LumiPINN预测模型 施磊, 王静, 苏桐, 施英珍, 黄浩, 卢大刚, 赖柏军, 胡东海

《World Electric Vehicle Journal》:A LumiPINN Prediction Model for Electric Vehicle Headlamp Illuminance Using Standardised Guidelines to Enhance Driving Safety Lei Shi, Jing Wang, Tong Su, Yingzhen Shi, Hao Huang, Dagang Lu, Baijun Lai and Donghai Hu

【字体: 大 中 小 】 时间:2026年03月16日 来源:World Electric Vehicle Journal 3.3

编辑推荐:

   摘要

  

摘要

电动汽车前灯的照明强度会直接影响驾驶员的视线。准确预测电动汽车前灯的照明强度对于提升驾驶安全至关重要。现有的深度学习模型是基于实际道路测试收集的数据进行训练的,但外部因素可能会影响其可靠性。电动汽车前灯照明强度的预测主要依赖于数据拟合,而当输入数据受到外部干扰时,这类模型容易出现过拟合问题。为了解决这一问题,我们提出了一种基于亮度单元物理信息神经网络(LumiPINN)的预测模型。测试条件是按照标准设计的,数据在室内实验室中采集,以消除外部因素的影响,随后还进行了数据清洗和预处理,以确保数据质量。在建模过程中,物理模型被作为约束条件,损失函数则用于共同优化预测模型。与深度神经网络和人工神经网络预测模型相比,该模型的平均绝对误差、平均平方误差、均方根误差、平均相对误差分别降低了60.2%、83.6%、59.6%、61.3%,同时决定系数提升了0.0015和0.0029。实验结果表明,LumiPINN预测模型在预测结果方面具有更高的准确性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号