A Hybrid Model for Traffic Incident Detection based on Generative Adversarial Networks and Transformer Model

要約

交通事故検知は、交通の安全性を高め、迅速な緊急対応を促進することに加え、リアルタイムの交通状況情報を提供することで、インテリジェント交通システムにおいて不可欠な役割を果たしている。これにより、インテリジェントな交通制御と管理の実現が可能になる。これまでの研究では、高度なアルゴリズムモデルの採用とは別に、大規模なデータセットの取得やデータセットの不均衡への対処に関する課題によっても、検知の有効性が大きく左右されることが明らかになっている。これらの課題に対処するために、変換器と生成的敵対ネットワーク（GAN）を組み合わせたハイブリッドモデルを提案する。交通事故検知におけるトランスフォーマーの優位性を検証するため、4つの実データセットを用いて実験を行う。さらに、GANを利用してデータセットを拡張し、1:4、2:3、1:1のバランス比率を達成する。提案モデルをベースラインモデルに対して評価する。その結果、提案モデルはデータセットサイズを拡張し、データセットをバランスさせ、様々な側面から交通事故検知の性能を向上させることが実証された。

要約(オリジナル)

In addition to enhancing traffic safety and facilitating prompt emergency response, traffic incident detection plays an indispensable role in intelligent transportation systems by providing real-time traffic status information. This enables the realization of intelligent traffic control and management. Previous research has identified that apart from employing advanced algorithmic models, the effectiveness of detection is also significantly influenced by challenges related to acquiring large datasets and addressing dataset imbalances. A hybrid model combining transformer and generative adversarial networks (GANs) is proposed to address these challenges. Experiments are conducted on four real datasets to validate the superiority of the transformer in traffic incident detection. Additionally, GANs are utilized to expand the dataset and achieve a balanced ratio of 1:4, 2:3, and 1:1. The proposed model is evaluated against the baseline model. The results demonstrate that the proposed model enhances the dataset size, balances the dataset, and improves the performance of traffic incident detection in various aspects.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL