基于残差时域注意力神经网络的交通模式识别算法

作     者：刘世泽 朱奕达 陈润泽 罗海勇 赵方 孙艺 王宝会 LIU Shize;ZHU Yida;CHEN Runze;LUO Haiyong;ZHAO Fang;SUN Yi;WANG Baohui

作者机构：北京航空航天大学软件学院北京100191 北京邮电大学计算机学院(国家示范性软件学院)北京100876 中国科学院计算技术研究所北京100190 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2021年第41卷第6期

页      面：1557-1565页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2019YFC1511400) 国家自然科学基金资助项目(61872046) 北京市自然科学基金资助项目(4212024) 北京邮电大学提升科技创新能力行动计划项目(2019XD-A06) 北京市自然科学基金-海淀原始创新联合基金资助项目(L192004) 河北省重点研发计划项目(19210404D) 内蒙古自治区关键技术攻关计划项目(2019GG328) 移动计算与新型终端北京市重点实验室开放课题 

主　　题：时域卷积网络 交通模式识别 残差网络 注意力机制 深度学习 

摘      要：交通模式识别是用户行为识别中的一个重要分支,其目的是对用户所处的交通模式进行准确判断。针对现代智慧城市交通系统对在移动设备环境下精准感知用户交通模式的需求,提出了一种基于残差时域注意力神经网络的交通模式识别算法。首先,通过具有较强局部特征提取能力的残差网络提取传感器时序中的局部特征;然后,采用基于通道的注意力机制对不同传感器特征进行重校准,并针对不同传感器的数据异构性进行注意力重校准;最后,利用具有更广感受野的时域卷积网络(TCN)提取传感器时序中的全局特征。采用数据丰富度较高的宏达通讯(HTC)交通模式识别数据集来对已有的交通模式识别算法和所提出的残差时域注意力模型进行评估,实验结果表明,所提出的残差时域注意力模型在对现代移动嵌入式设备的计算开销友好的前提下具有高达96.07%的准确率,且对单一类别均具有高于90%的召回率与精确率,验证了该模型的准确性与鲁棒性。所提模型可以作为一种支持移动智能终端运算的交通模式识别应用于智能交通出行、智慧城市等领域。