一种基于深度学习的离散化交通状态判别方法

来源：交通运输系统工程与信息杂志2017年第5期北京时间：

作者：吴志勇，丁香乾，鞠传香

单位：1. 中国海洋大学信息科学与工程学院，山东青岛266100；2. 山东理工大学计算机科学与技术学院，山东淄博255000

摘要：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，本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VISSIM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,深度学习,交通状态,离散化交通状态编码

基金资助：淄博市校城融合发展计划/SDUT & Zibo City Integration Development Plan(2016ZBXC003)；国家重点研发计划/ State's Key Project of Research and Development Plan(2016YFB1001103).