一种基于深度学习的离散化交通状态判别方法

一种基于深度学习的离散化交通状态判别方法

ID:9151790

大小:85.00 KB

页数:9页

时间:2018-04-19

一种基于深度学习的离散化交通状态判别方法_第1页
一种基于深度学习的离散化交通状态判别方法_第2页
一种基于深度学习的离散化交通状态判别方法_第3页
一种基于深度学习的离散化交通状态判别方法_第4页
一种基于深度学习的离散化交通状态判别方法_第5页
资源描述:

《一种基于深度学习的离散化交通状态判别方法》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、一种基于深度学习的离散化交通状态判别方法吴志勇丁香乾中国海洋大学信息科学与工程学院山东理工大学计算机科学与技术学院在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,木文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的

2、高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VTSSTM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.关键词:智能交通;交通状态判别;深度学交通状态;离散化交通状态编码;吴志勇(1978-),男,山东潍坊人,讲师,生.wuzhiyong_sdut@sina.基金:淄博市校城融合发展计划(2016ZBXC003)AMethodofDiscreteTrafficStateIdentificationBasedonDeepLearningW

3、UZhi-yongDINGXiang-qianJUChuan-xiangCollegeofInformationScienceandEngineering,OceanUniversityofChina;SchoolofComputerScienceandTechnology,ShandongUniversityofTechnology;Abstract:Intheintelligenttransportationsignalcontrolandtrafficflowguidancesystem,effectiveidentificationofthetrafficsta

4、teoftheenvironmentisaprerequisitefortrafficcontrol.Facinglargescaleoftrafficdatasets,thispaperproposesaidentificationmethodofdiscretetrafficstatebasedondeeplearning.Thesystemarchitectureincludefourpartsoftrafficstatedataacquisition,datadescription,deeplearningandidentification.Adiscretet

5、rafficstateencodingmethodisproposedwhichprovidethebasefordeeplearningoftrafficstate.Inthephaseofmodeltraining,twodeepbeliefnetworksincludingTEDBNandTVDBNareconstructedandtrainedforfeatures1earningwiththetrafficstatedataofbinaryvalueandcontinuousvalue.Inthephaseofmodelfine-tuning,asoftmax

6、classifierisaddedonthetopofallhigh-levelabstractionfeatures,andtheback-propagationalgorithmisusedtofinetunetheparameters.Atlast,themethodisvalidatedontheVISSIMsimulationsoftware.Theexperimentalresultsshowthatthemethodofdiscretetrafficstateencodingcaneffectivelyexpressthetrafficstate,andt

7、heidentificationmethodbasedondeeplearninghashigheraccuracythanthetraditionalmethodonthetrafficstate.Keyword:intelligenttransportation;trafficstateidentification;deeplearning;trafficstate;discretetrafficstateencoding;0引言随着社会城市化进程加快,全球大中城市均面临交通拥堵压力.同样,我国家用汽车保有量近年来持续快速增长,城市交

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。