基于3DCNN-DNN 的高空视频交通状态预测

来源：交通运输系统工程与信息杂志2020年第3期北京时间：

作者：彭博，唐聚，蔡晓禹，谢济铭，张媛媛，王玉婷

单位：1. 山地城市交通系统与安全重庆市重点实验室，重庆 400074；2. 重庆交通大学交通运输学院，重庆 400074

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.

关键词：智能交通,交通状态预测,DNN,高空视频,3DCNN,深度学习

基金资助：国家自然科学基金/National Natural Science Foundation of China(61703064)；重庆市基础前沿与技术创新项目/ Chongqing Research Program of Basic Research and Frontier Technology Innovation(cstc2017jcyjAX0473)；山地城市交通系统安全实验室开放基金/Scientific Research Project of Key Laboratory of Tra