汽車行車記錄器安裝時間的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

基於結合CNN與LSTM神經網路之車輛碰撞風險預測

為了解決汽車行車記錄器安裝時間的問題，作者謝辰陽 這樣論述：

根據內政部警政署的統計，中華民國臺灣在2018年發生了超過三十二萬起交通事故，造成將近一千五百人死亡。隨著自動駕駛汽車技術的發展，車輛可以藉由分析車輛上安裝的各種傳感器，如光學雷達、雷達和相機所收集的資料，評估道路安全風險並在適當的時機採取必要的預防措施。近年來有越來越多的人在自己的汽車上安裝行車紀錄器，這些行車記錄器不僅可以在交通事故發生後釐清相關的肇事責任，還可以在行駛過程中隨時監控周圍環境的變化，進而達到行車安全的目的。本研究收集臺南市車輛行車事故鑑定委員會提供的車輛碰撞影片資料，包含由行車紀錄器及路側監視器錄製的影片，來模擬自動駕駛汽車的傳感器，藉此訓練車輛碰撞風險預測模型。本研究使

用預訓練的卷積神經網路(CNN)：ResNet-50網路，來擷取影片中每個幀的圖像特徵，以及擅長處理具時間序列特性資料的長短期記憶網路(LSTM)，來擷取影片的時間特徵。並建構了五個基於上述CNN和LSTM的不同結構和輸入資料的模型。使用評估指標：F1分數來評估模型的效能。研究結果顯示，同時使用車輛動態特徵資料和影片資料的模型五得到0.94的F1-score，具有最佳的效能，並且能在碰撞發生前2.5到3.0秒時偵測到碰撞風險高於門檻值0.5。而對於只使用影片資料的模型三，其效能則得到0.83的F1-score，並且能在碰撞發生前3.0秒時偵測到碰撞風險高於閥值0.5。