基于生成对抗网络的交通流参数实时估计模型

摘要：

为有效调控道路网时空资源,需实时估计交通流参数.若要准确估计交通流参数,应详细考虑道路网交通流时空特征.本文基于生成对抗网络,提出一种能捕捉交通流时空特征的实时估计模型,即TSTGAN模型.该模型包括生成器和判别器两部分,生成器利用门控卷积神经网络捕捉交通流的动态空间特征,使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征;采用门控卷积神经网络与长短期记忆神经网络构建判别器;通过对抗方式训练生成对抗网络的生成器与判别器,实时获得交通流参数估计值.使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据,验证TSTGAN模型的可靠性.结果表明,TSTGAN模型引入的时空模块能有效提取交通流的时空特征,所得均方根误差和平均绝对误差比现有模型分别降低2.12％～42.41％和1.66％～40.49％,证明所提TSTGAN模型可以提高交通流参数的估计精度.

关键词：智能交通、生成对抗网络、深度学习、交通流参数、时空特征

所属期刊栏目：22

分类号：U491(交通工程与公路运输技术管理)

在线出版日期：2022-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：158-167