采用VAE-CatBoost的高速公路交通事件检测框架

作     者：张兵 邹少权 陆春霖 陈渤文 薛运强 ZHANG Bing;ZOU Shaoquan;LU Chunlin;CHEN Bowen;XUE Yunqiang

作者机构：华东交通大学交通运输工程学院南昌330000 

出 版 物：《重庆理工大学学报（自然科学）》 (Journal of Chongqing University of Technology：Natural Science)

年 卷 期：2024年第38卷第8期

页      面：197-207页

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金地区基金项目(52162042) 江西省省教育厅一般课题(GJJ190331) 

主　　题：交通事件检测 特征扩展 数据平衡 特征选择 梯度提升树 

摘      要：为解决交通事件检测中特征稀少与样本失衡的问题,提出一种基于变分自编码器(VAE)-随机森林(RF)-分类梯度提升树(CatBoost)的交通事件检测框架。依据4条规则构建较为全面的初始特征集。使用VAE进行数据平衡。之后,采用RF算法筛选出最佳输入特征集。最后,采用CatBoost算法作为分类器检测交通事件。使用真实世界的交通数据集设计实验,并选择6个有效评价指标对实验结果进行评价。结果表明:所提出的交通事件检测框架除误报率之外,各项评价指标均取得最优结果,表明在交通事件检测方面具备优异性能。