原文传递
基于3DCNN-DNN的高空视频交通状态预测
| 题名： | 基于3DCNN-DNN的高空视频交通状态预测 |
| 正文语种： | 中文 |
| 作者： | 彭博;唐聚;蔡晓禹;谢济铭;张媛媛;王玉婷; |
| 作者单位： | 山地城市交通系统与安全重庆市重点实验室;重庆交通大学交通运输学院; |
| 关键词： | 智能交通;交通状态预测;DNN;高空视频;3DCNN;深度学习 |
| 摘要： | 为使用高空视频识别和预测道路交通状态,提出基于三维卷积神经网络—深度神经网络(3DCNN-DNN)的交通状态预测方法.将道路切分为D个路段,每个路段视频片段时长m s,基于典型3DCNN结构C3D识别路段视频片段交通状态;建立道路?个历史时段、D个路段的交通状态矩阵Φ,将道路交通状态预测问题转化为以Φ为输入,有限交通状态为输出的分类问题,构建基于DNN的短时交通状态预测模型原型;建立交通视频数据集,对DNN预测模型原型的隐藏层数量、神经元数量及训练批大小进行测试优化,提出有4隐藏层,各层神经元数量为64/128/128/64,训练批大小为64的优化模型DNN*.测试结果表明:C3D视频交通态识别平均F1值为95.71%,DNN*道路交通状态预测准确率为91.18%,比DNN线性分类、KMeans、KNN、SVM和线性分类分别高6.86%、57.85%、62.26%、26.47%、43.14%;C3D能提供准确的交通状态矩阵,3DCNN-DNN可有效识别和预测道路视频交通状态. |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版年： | 2020 |
| 期： | 03 |
| 页码： | 39-46 |
检索历史
应用推荐
