基于改进ACGAN算法的车道排队车辆估计及其分类

摘要：

针对传统模型驱动的排队车辆研究中构建概率分布困难、建模繁琐等问题,结合双向长短时记忆(Bi-LSTM)网络和辅助分类器生成对抗网络(ACGAN)的特点,提出一种数据驱动的车道级排队车辆估计算法.该算法无需对交叉口空间关系建模,其生成器采用Bi-LSTM结构,以速度序列为输入,根据速度与排队车辆的时间相关性,生成最小、最大排队车辆.判别器来自ACGAN,在区分真假样本的同时实现排队车辆到拥堵等级标签的分类.同时,为避免网络训练不稳定、梯度消失的问题,舍弃原ACGAN的真假二分类任务,引入Wasserstein散度来衡量真实序列与生成序列的分布距离,并对相应的目标函数进行优化.结果表明,与其他算法相比,该算法在分类准确率方面提高了3.96％ ～9.62％,同时总体估计误差最小,验证了利用速度估计车道排队车辆的可行性.

关键词：辅助分类器生成对抗网络(ACGAN)、双向长短时记忆(Bi-LSTM)、Wasserstein散度、车道级排队车辆估计、分类

所属期刊栏目：30

资助基金：浙江省自然科学基金;浙江省教育科学规划

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1169-1177