采用VAE-CatBoost的高速公路交通事件检测框架

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。

关键词

交通事件检测 / 特征扩展 / 数据平衡 / 特征选择 / 梯度提升树

基金资助

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)