基于条件生成对抗网络（CGAN）的碰撞数据增强以改善安全性能函数
机器学习
2021-12-24 v1 应用统计
摘要
在本文中，我们提出了一种基于条件生成对抗网络（CGAN）的碰撞频次数据增强方法，以改善碰撞频次模型。所提方法通过比较基础 SPF（使用原始数据建立）与增强 SPF（使用原始数据加合成数据建立）在热点识别性能、模型预测精度以及离散参数估计精度方面的表现来进行评估。实验使用模拟与真实世界碰撞数据集进行。结果表明，CGAN 合成的碰撞数据与原始数据具有相同分布，且增强 SPF 在几乎所有方面均优于基础 SPF，尤其在离散参数较低时。
引用
@article{arxiv.2112.12263,
title = {Crash Data Augmentation Using Conditional Generative Adversarial Networks (CGAN) for Improving Safety Performance Functions},
author = {Mohammad Zarei and Bruce Hellinga},
journal= {arXiv preprint arXiv:2112.12263},
year = {2021}
}