17、行人速度预测与阿拉伯文本分类技术解析

行人速度预测与阿拉伯文本分类技术解析

行人速度预测研究

在行人速度预测方面，研究聚焦于利用人工神经网络（ANN）考虑性别、服装类型和鞋子类型等因素对行人速度的影响。

变量对行人速度的影响

研究分析了各变量在模型构建中的重要性，具体如下表所示：
| 方向 | 变量重要性排序 |
| ---- | ---- |
| 上行方向 | 鞋子类型 > 服装类型 I > 服装类型 II > 性别 |
| 下行方向 | 服装类型 I > 服装类型 II > 女性性别 > 男性性别 > 鞋子类型 |

敏感性分析结果表明，在楼梯上行方向，鞋子类型的影响更为显著，其中拖鞋的影响最大，其次是覆盖鞋、服装类型 I、服装类型 II，性别影响相对较小；而在下行方向，服装类型 I 的影响最为显著，依次为服装类型 II、女性性别、男性性别、覆盖鞋类型和鞋子类型 II。

ANN 模型构建与分析

采用 Levenberg–Marquardt 算法训练的两层前馈网络来分析 ANN 模型。具体操作步骤如下：
1. 使用 MATLAB 2019a 构建模型。
2. 基于 Pearson 相关系数开发五个 ANN 模型。
3. 将 75%的数据用于训练，25%的数据用于验证。
4. 根据均方误差（MSE）衡量网络性能。

通过对 ANN 模型的性能分析，结果显示所有模型的 R 值均大于 0.5，表明 ANN 可用于楼梯上行人速度的建模。其中，模型 5 的性能最佳，在上行方向训练和验证的 R 值分别为 0.7085 和 0