基于改进ACGAN算法的车道排队车辆估计及其分类

作者：郭海锋; 杨宪赞; 金峻臣

来源：高技术通讯, 2020, 30(11): 1169-1177.

• 辅助分类器生成对抗网络(ACGAN)
• 双向长短时记忆(Bi-LSTM)
• Wasserstein散度
• 车道级排队车辆估计
• 分类

针对传统模型驱动的排队车辆研究中构建概率分布困难、建模繁琐等问题,结合双向长短时记忆(Bi-LSTM)网络和辅助分类器生成对抗网络(ACGAN)的特点,提出一种数据驱动的车道级排队车辆估计算法。该算法无需对交叉口空间关系建模,其生成器采用Bi-LSTM结构,以速度序列为输入,根据速度与排队车辆的时间相关性,生成最小、最大排队车辆。判别器来自ACGAN,在区分真假样本的同时实现排队车辆到拥堵等级标签的分类。同时,为避免网络训练不稳定、梯度消失的问题,舍弃原ACGAN的真假二分类任务,引入Wasserstein散度来衡量真实序列与生成序列的分布距离,并对相应的目标函数进行优化。结果表明,与其他算法相比,该算法在分类准确率方面提高了3.96%～9.62%,同时总体估计误差最小,验证了利用速度估计车道排队车辆的可行性。

• 单位
  浙江工业大学