基于Vision-KAN的道路交通状态识别

张宏君; 周巍; 齐玉亮; 靳书庆; 田海峰

doi:10.12404/j.issn.1671-1815.2501888

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (1) :369-374 DOI: 10.12404/j.issn.1671-1815.2501888

交通运输

基于Vision-KAN的道路交通状态识别

张宏君 ¹ ,
周巍 ² ,
齐玉亮 ² ,
靳书庆 ² ,
田海峰 ²

作者信息 +

Road Traffic State Recognition Based on Vision-KAN

Author information +

文章历史 +

摘要

随着智能交通系统的快速发展,精确识别交通状态对于提高交通效率、保障出行安全起着举足轻重的作用。基于视频图像数据,构建了一个基于Vision-KAN网络的交通状态识别模型,对交通事故、交通拥堵、交通火灾、交通畅行这4种核心交通状态进行识别。为了验证该模型的有效性,选取了CNN、ResNet和GoogleNet基本模型作为对比。结果表明,Vision-KAN模型各方面的表现均优于对比模型,对视频图像中的交通状态展现出高精度的识别能力。所提模型能够为智能交通管控和应急响应提供有力支持,提升道路通行效率及安全保障能力。

Abstract

With the rapid development of intelligent transportation systems, accurate recognition of traffic states plays a pivotal role in improving traffic efficiency and ensuring travel safety. Based on video image data, a traffic state recognition model based on the Vision-KAN network was constructed to identify four core traffic states, namely traffic accidents, traffic congestion, traffic fires, and smooth traffic. To verify the effectiveness of this model, the basic models of residual networks (ResNet), convolutional neural networks (CNN) and vision transformer (ViT) were selected for comparison. The experimental results show that the Vision-KAN model outperforms the comparison models in all aspects and demonstrates a high-precision recognition ability for traffic states in video images. It can provide strong support for intelligent traffic management and control as well as emergency response, and enhance road traffic efficiency and security guarantee capabilities.

Graphical abstract

关键词

智能交通系统 / 交通状态识别 / 深度学习 / 图像识别

Key words

intelligent transportation system / traffic state recognition / deep learning / image recognition

引用本文

引用格式 ▾

张宏君, 周巍, 齐玉亮, 靳书庆, 田海峰. 基于Vision-KAN的道路交通状态识别[J]. 科学技术与工程, 2026, 26(1): 369-374 DOI:10.12404/j.issn.1671-1815.2501888

ZHANG Hong-jun, ZHOU Wei, QI Yu-liang, JIN Shu-qing, TIAN Hai-feng. Road Traffic State Recognition Based on Vision-KAN[J]. Science Technology and Engineering, 2026, 26(1): 369-374 DOI:10.12404/j.issn.1671-1815.2501888

登录浏览全文

4963

注册一个新账户忘记密码

随着城市化进程的加速和机动车保有量的持续增长,交通问题日益成为制约城市发展的重要因素。交通事故频发、道路拥堵加剧以及突发性交通事件(如车辆自燃、危险品泄露等),不仅严重影响人们的日常出行,还可能造成巨大的经济损失和社会影响。因此,实现对交通状态的实时监测和精准识别,对于提高交通管理效率、保障道路安全具有重要意义。

近年来,我国城市交通发展迅速,但同时也面临严峻挑战。以北京、上海、广州等特大型城市为例,高峰期交通拥堵现象普遍存在,部分城市在恶劣天气条件下交通事故频发。根据《2023年中国主要城市交通分析报告》显示,部分城市高峰期交通拥堵指数超过2.0阈值,严重影响城市运行效率和居民出行体验。此外,在面对交通事故、交通火灾等突发交通异常状态时,传统的人工监测与响应手段存在滞后性与准确率不足的问题。由此可见,研发适应中国交通环境特点的高效交通状态识别技术,具有重要的工程应用价值与实际需求。

常见的交通状态识别方法主要包括基于聚类的无监督方法和监督性学习方法。由于大批量数据的标注是一项耗时耗力的工作,早期的交通数据通常没有标签,聚类作为一种无监督学习的方法,可以有效解决这一问题。这类方法通过最小化同类数据的差异同时最大化不同数据的距离,将数据归为不同的类别。但结果的可解释性不强,尤其是对于处于类别边缘的数据,可能与人为判断有不同的结果。Zhang等^[1]选取交通量、车速和占用率作为主要参数,提出一种加权模糊C-means聚类方法进行交通状态分类,判别当前拥堵等级。徐川等^[2]对跑道头排队架次、主滑行道延误时间、机动区延误时间进行预测,使用模糊C均值聚类算法(fuzzy C-means, FCM)确定大型机场场面交通拥堵状态。黄佳慧等^[3]选取交通流密度和道路饱和度作为评价指标,基于多策略自适应繁衍传递鹈鹕算法优化的KMC交叉迭代聚类算法,实现交通运行状态的划分。

随着大数据、深度学习领域的发展,监督性学习的方法得到广泛应用。这一方法能够使分类结果逼近人类的判断,但对数据要求较高,需要使用大量已标记的数据训练。曹成涛等^[4]综合考虑检测器采集的流量、速度和占有率信息,采用3个模糊规则进行推理,利用具有模糊输出的BP神经网络对交通状态进行评价。陈悦等^[5]提出了一种改进的深度学习预测模型,它融合卷积神经网络(convolutional neural networks,CNN)与双向长短期记忆网络(bidirectional long short-term memory,BiLSTM),并利用Softmax函数增强空间特征提取,有效实现了对于交通状态拥堵的识别。李鹏程等^[6]根据车流量、流向比和有效绿灯时间得到交叉口的交互时间矩阵。提出基于时间图注意力(temporal graph attention, TGAT)网络的交叉口交通状态识别模型。薛相全等^[7]以流量、速度及占有率等参数作为输入,建立基于Transformer和序列增强模型的高速公路交通状态识别模型,实现了特征参数的融合,提高了交通状态识别的精准度。

然而,影响交通流状态类别的指标很多,直接用这些数据难以识别出造成拥堵的原因,并且这些参数的收集也需要一定的过程,对交通状态评估的实时性产生影响。随着智能交通系统的发展以及智能监控设施的普及,近年来有些学者跳过了交通流参数选择的过程,直接采用图像数据实现交通状态的实时识别。崔淑艳等^[8]融合LBP和PCA算法提取图像特征,利用粒子群算法优化SVM的参数,将交通状态划分为畅行、缓行和拥堵。彭博等^[9]基于三维卷积神经网络,通过调整卷积层、优化平面卷积尺寸和视频卷积核深度,建立了一种交通状态识别方法,对道路交通状态进行识别。Cai等^[10]利用最优自动编码器模型构建了隐藏层,将其与线性分类器、支持向量机、深度神经网络、DNN 线性分类方法和K-means 聚类方法相结合,构建了交通状态识别模型。李熙莹等^[11]提出了一种基于车辆动态行为特征的交通状态识别方法,通过车辆检测和跟踪算法计算出微观交通流参数,结合宏观交通流参数构建多维状态特征空间,实现交通状态的识别。

综上所述,目前交通状态识别研究主要存在两方面问题:一是交通状态分类多聚焦于通常与拥堵状态,对拥堵成因(如交通事故等特殊事件)考虑不足;二是尽管基于图像数据的识别研究逐渐兴起,但由于图像数据存储的信息量大且冗杂,如何构建轻量化、高效的图像特征提取模型仍是一大挑战。

传统的神经网络均遵循多层感知机(multilayer perceptron,MLP)的架构,并向其中加入固定的激活函数,提升模型的非线性特征提取能力。近年来,KAN提出了一种新的网络结构^[12],即在网络的边缘采用可学习的激活函数。这种设计使得KAN中每个权重参数都可以被一个单变量函数替换,这些函数通常以样条函数形式参数化,从而提供了极高的灵活性,并能够用更少的参数来模拟复杂的函数,多用于处理序列数据。

因此,为了搭建轻量化模型提取图像特征,同时弥补KAN网络在图像处理领域的缺陷,现将KAN与Vision-Permutator(ViP)的思想结合,提出一种基于Vision-KAN的交通状态识别方法。此外,为了充分考虑交通拥堵状态和特殊事件,基于公开数据集和百度图库构建一个新的数据集,包含密集交通、稀疏交通、交通事故和燃烧车辆4种状态,以提高交通状态类别的丰富性和识别的实时性。

1 模型搭建

1.1 KAN原理

在传统的MLP架构的网络中,训练的参数是每个神经元的权重和偏置项,为了提升模型非线性特征提取能力而加入的激活函数是固定的,这种网络结构的灵感来自通用近似定理,即对于任意一个连续函数,都可以用一个足够深的神经网络来近似,其原理可表示为

(1)$f\left(x\right)=\stackrel{N\left(c\right)}{\sum _{i=1}}{a}_{i}\sigma ({w}_{i}x+b)$

式(1)中:f(x)为需要逼近的函数;σ(·)为激活函数;w_i和a_i为权重;b为偏置项;N(c)为神经元总数;x为输入特征;i为当前神经元个数。

而KAN是一种新型的神经网络架构,它通过将权重参数替换为可学习的单变量函数,提高了网络的性能和可解释性,其原理来自Kolmogorov-Arnold表示定理,即每个多元连续函数都可以表示为单变量连续函数的两层嵌套叠加,即

(2)$\begin{array}{l}f\left(x\right)=f({x}_{1},{x}_{2},\dots,{x}_{n})\\ =\stackrel{2n}{\sum _{q=0}}{\Phi }_{q}\left[\stackrel{n}{\sum _{p=1}}{\varphi }_{q,p}\right({x}_{p}\left)\right]\end{array}$

式(2)中:${\varphi }_{q,p}\left({x}_{p}\right)$为内部激活函数(架构中的第0层);${\Phi }_{q}$为外部函数(后续层)。

在KAN中,网络节点进行简单的加法运算,不包含非线性激活函数。与MLP不同的是KAN的非线性激活函数位于边上,也就是每个权重参数都会被一个可学习的单变量函数取代,这些函数被参数化为样条曲线。在KAN中,激活函数是一个基础函数b(x)和样条函数的综合,即

(3)$\varphi \left(x\right)=w\left[b\right(x)+\mathrm{s}\mathrm{p}\mathrm{l}\mathrm{i}\mathrm{n}\mathrm{e}(x\left)\right]$

通常设置

(4)$b\left(x\right)=\mathrm{s}\mathrm{i}\mathrm{l}\mathrm{u}\left(x\right)=\frac{x}{1+{\mathrm{e}}^{-x}}$

样条函数通常参数化为B样条的线性组合,即

(5)$\mathrm{s}\mathrm{p}\mathrm{l}\mathrm{i}\mathrm{n}\mathrm{e}\left(x\right)=\sum _{i}{c}_{i}{B}_{i}\left(x\right)$

式(5)中:B_i(x)为基函数;c_i为权重,是可训练的。原则上,权重w是多余的,因为它可以被吸收进b(x)和spline(x)。但仍然保留了这个因子以更好地调整激活函数的大小。

KAN的结构具体如图1所示。

1.2 Vision-KAN模型构建

KAN独特的设计可以极大地减少模型训练的参数量,目前多用于序列数据的处理,图像数据相比于序列数据包含了更多的信息,输入数据量更多,因此难以将KAN直接应用于图像处理领域。

ViP是一种用于视觉识别任务的简单高效的类MLP结构模型,它通过识别二维特征图中所携带的位置信息的重要性,保持输入token的原始空间维度,并沿着高度和宽度两个方向分别进行线性投影

来编码特征表达。这些设计使ViP能够在某一空间方向上捕捉远程依赖关系,同时在另一方向保持精确的位置信息。通过这种方式获得的位置感知输出特征能够以互补的方式进行聚合,从而形成对目标的高效表示。ViP不需要二维卷积或者注意力机制,并且在不依赖额外的大规模数据集的情况下实现超高性能,其结构如图2所示。

ViP模型首先将图像分解为多个图像块,这一过程与Vision Transformer类似,之后将每个图像块通过线性映射为token,但token的形状是三维的,包含高度、宽度和通道数。为了更好地提取token特征,模型在宽度和高度方向对特征进行了重新整合,从而进行逐个方向的独立编码;此外,将token本身也进行了相同的操作,最后将3个分支的特征相加并通过全连接层得到分类结果。

受这一模型的启发,将其中的线性化层替换为KAN层^[13],分利用ViP在图像特征提取方面的优势和KAN在处理序列数据方面的专长,对于一个C维输入的token,$X\in {\mathrm{R}}^{\mathrm{H}\times \mathrm{W}\times \mathrm{C}}$,Permutator操作可以表示为

(6)$Y=\mathrm{P}\mathrm{e}\mathrm{r}\mathrm{m}\mathrm{u}\mathrm{t}\mathrm{e}\mathrm{K}\mathrm{A}\mathrm{N}\left[\mathrm{L}\mathrm{N}\right(X\left)\right]+X$

(7)$Z=\mathrm{C}\mathrm{h}\mathrm{a}\mathrm{n}\mathrm{n}\mathrm{e}\mathrm{l}\mathrm{K}\mathrm{A}\mathrm{N}\left[\mathrm{L}\mathrm{N}\right(Y\left)\right]+Y$

式中:LN(·)为层归一化;PermuteKAN(·)表示一种KAN网络的置换操作;ChannelKAN(·)表示基于KAN网络在通道维度上的操作;Y为中间输出变量; Z为输出,用于下一层block的输入。

Permutator将三维的token分别输出3个分支中,在宽度和高度方向上对特征进行了重新整合,以高度的编码信息为例,需要先沿通道维度分成S组,每一组数据的高度和通道进行调换,将各组沿着通道维度拼接作为输出,输入一个KAN层进行信息融合,最后再通过一次调整维度的方式回复原始形状。

同时输入token也需利用KAN完成特征提取,即

(8)${X\text{'}}_{\mathrm{c}}=\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{h}\mathrm{a}\mathrm{p}\mathrm{e}\left[\mathrm{K}\mathrm{A}\mathrm{N}\right({X}_{\mathrm{c}}\left)\right]$

式(8)中:X'_c为第三分支的输出;X_c为第三分支的输入token;reshape(·)为调整形状;KAN(·)为KAN操作。

再将3个部分进行相加,并通过KAN层,经过reshape操作,得到和输入token形状相同的输出,即

(9)$\hat{\mathrm{X}}=KAN(\mathrm{H}\text{'}+\mathrm{W}\text{'}+{X}_{\mathrm{c}})$

式(9)中:$\hat{\mathrm{X}}$为输出特征;H'、W'和X_c分别为3个分支的输出。

上述公式实现了PermuteKAN的操作,而ChannelKAN是由两层KAN层组成,进一步学习提取的特征,重复这种块状结构,可以实现对图像整体特征的学习。

2 交通状态识别数据集构建

该数据集基于一个综合的交通场景数据集,主要由两部分组成:公开的Traffic-Net数据集和从百度图库筛选的图片。

Traffic-Net是一个专注于交通场景的图像数据集,包含了多种典型的交通状况,为研究者和开发者提供了一个全面的交通场景分析平台。该数据集涵盖了4种关键的交通状态场景:交通拥堵、交通畅行、交通事故与交通火灾。

为了进一步增强数据集的多样性和泛化能力,从百度图库中按照1∶1的比例挑选并整合了新的图片。这些图片在主题和风格上与Traffic-Net数据集中的图像保持了一致性,但同时增加了更多的变化和细节,以覆盖更广泛的交通场景。4种关键的交通状态场景如图3所示。

在数据准备阶段,采用随机抽样的策略对数据集进行划分,将总数据集的80%分配至训练集,剩余的20%则作为测试集,之后将图像数据进行数据增强处理。所使用的数据情况如表1所示。

3 实例分析

为了全面评估本文模型的有效性与性能,将构建的模型与CNN、ResNet、GoogleNet等经典模型进行对比,选取准确率(A)、精确率(P)、召回率(R)以及F₁分数4种指标。计算公式如下所示。

(10)$A=\frac{\mathrm{T}\mathrm{P}+\mathrm{T}\mathrm{N}}{\mathrm{T}\mathrm{P}+\mathrm{T}\mathrm{N}+\mathrm{F}\mathrm{P}+\mathrm{F}\mathrm{N}}$

(11)$P=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{P}}$

(12)$R=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{N}}$

(13)${F}_{1}=\frac{2PR}{P+R}$

式中:TN为正确地将负例预测为负例的数量;TP为实际标签为正且模型预测也为正的数量;FP为错误地将负例预测为正例的数量;FN为实际标签为正但模型预测为负的数量。

由于模型训练具有偶然性,将各模型分别训练10次,取分类精度的平均值进行展示,如表2和图4所示。

从表2和图4可以看出,Vision-KAN在各项指标上均表现较好,相比于其他经典模型,Vision-KAN在准确率上提升了2.04%,在精确率上提升了1.92%,在召回率上提升了1.99%,在F₁分数上提升了2.02%,能够较为精准地区分不同交通状态。值得注意的是,由于数据量有限,ResNet和GoogleNet参数较多,两个表现反而不如简单的CNN模型,这也进一步证明Vision-KAN能够用少量参数取得较为理想的效果。

++++表3详细展示了Vision-KAN在不同类别图像上的分类精度。可以看出,Vision-KAN在交通畅行的图像数据集上表现最好,均能预测准确;对交通火灾的识别准确率也极高;对交通事故和交通拥堵的准确率稍低,但仍保持着较高水准,因为这两类图片车辆较为密集,在分类上存在一定困难。

为了进一步对比不同模型的效果,绘制了各模型的预测结果混淆矩阵,如图5所示。可以看出,各模型在不同类别数据的分类上表现相似,发生交通事故时,可能存在车辆密集的现象,因此有图片被错误分类为交通拥堵。在其他几类场景下,预测的准确性均较高。相比之下,Vision-KAN在各类交通状态的图片上预测错误的数量均是最少的,表现最好。

为了验证所提出模型在河北高速真实交通场景中的有效性,选取了河北高速最近发生的不同交通事件的图片。得到模型识别效果如表4所示。

根据表4中的结果可以得出,Vision-KAN模型在河北高速真实交通场景的识别中表现出了较高的准确性和可靠性,能够为交通管理和应急救援提供有力的技术支持。

4 结论

基于Vision-KAN模型对交通事故、交通拥堵、交通火灾以及交通畅行这4种关键的交通状态进行了识别研究,成功实现了对交通状态的有效分类与识别,有助于提升交通管理与应急响应的智能化水平。但由于数据的限制,仅验证了模型在交通拥堵、交通事故、交通火灾和交通畅行四类交通状态上表现较好,未来将进一步扩展数据集,充分验证模型在不同场景下的准确性和鲁棒性。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Zhang L, Jia Y, Sun D, et al. A fuzzy weighted C-means classification method for traffic flow state division[J]. Modern Physics Letters B, 2021, 35(20): 2150341.

[2]	徐川, 朱新平, 瞿菁菁, 等. 大型机场场面交通拥堵状态等级预测[J]. 科学技术与工程, 2022, 22(35): 15825-15831.

[3]	Xu Chuan, Zhu Xinping, Qu Jingjing, et al. Prediction of traffic congestion status level at large airport fields[J]. Science Technology and Engineering, 2022, 22(35): 15825-15831.

[4]	黄佳慧, 黄鹤, 杨澜, 等. 一种优化的城市交通状态判别方法[J]. 复旦学报(自然科学版), 2025, 64(1): 1-13.

[5]	Huang Jiahui, Huang He, Yang Lan, et al. An optimized method for urban traffic state discrimination[J]. Journal of Fudan University (Natural Science), 2025, 64(1): 1-13.

[6]	曹成涛, 崔凤, 林晓辉. 基于神经网络的交通状态模糊判别方法[J]. 科学技术与工程, 2010, 10(21): 5195-5199.

[7]	Cao Chengtao, Cui Feng, Lin Xiaohui. Traffic condition fuzzy recognition based on neural network[J]. Science Technology and Engineering, 2010, 10(21): 5195-5199.

[8]	陈悦, 杨柳, 李帅, 等. 基于Softmax函数增强卷积神经网络-双向长短期记忆网络框架的交通拥堵预测算法[J]. 科学技术与工程, 2022, 22(29): 12917-12926.

[9]	Chen Yue, Yang Liu, Li Shuai, et al. Traffic congestion prediction algorithm based on CS-BiLSTM framework[J]. Science Technology and Engineering, 2022, 22(29): 12917-12926.

[10]	李鹏程, 董宝田, 李思贤. 基于时间图注意力的交叉口交通状态识别及关联度研究[J]. 交通运输系统工程与信息, 2023, 23(5): 67-74.

[11]	Li Pengcheng, Dong Baotian, Li Sixian. Intersection traffic state recognition and correlation degree study based on temporal graph attention[J]. Journal of Transportation Systems Engineering and Information Technology, 2023, 23(5): 67-74.

[12]	薛相全, 庞明宝. 基于Transformer-ESIM的高速公路交通状态识别模型[J]. 物流科技, 2022, 45(17): 71-75.

[13]	Xue Xiangquan, Pang Mingbao. Traffic state recognition model of freeway based on Transformer-ESIM[J]. Logistics Sci-tech, 2022, 45(17): 71-75.

[14]	崔淑艳, 宇仁德, 朱燕华. 基于SVM的交通状态识别方法研究[J]. 山东理工大学学报(自然科学版), 2024, 38(5): 7-11, 60.

[15]	Cui Shuyan, Yu Rende, Zhu Yanhua. Research on traffic state recognition method based on SVM[J]. Journal of Shandong University of Technology(Natural Science Edition), 2024, 38(5): 7-11, 60.

[16]	彭博, 唐聚, 张媛媛, 等. 基于3D CNN的道路视频交通状态自动识别[J]. 西南交通大学学报, 2021, 56(1): 153-159.

[17]	Peng Bo, Tang Ju, Zhang Yuanyuan, et al. Automatic traffic state recognition from road videos based on 3D convolution neural network[J]. Journal of Southwest Jiaotong University, 2021, 56(1): 153-159.

[18]	Cai X, Jing Q, Peng B, et al. Automatic traffic state recognition based on video features extracted by an autoencoder[J]. Mathematical Problems in Engineering, 2022, 2022: 2850111.

[19]	李熙莹, 卢美燕, 何兆成, 等. 基于车辆动态行为特征的交通状态识别研究[J]. 交通运输系统工程与信息, 2025, 25(1): 44-55, 85.

[20]	Li Xiying, Lu Meiyan, He Zhaocheng, et al. Traffic state recognition based on vehicle dynamic behavior characteristics[J]. Journal of Transportation Systems Engineering and Information Technology, 2025, 25(1): 44-55, 85.

[21]	Liu Z, Wang Y, Vaidya S, et al. KAN: Kolmogorov-Arnold networks[C]// 13th International Conference on Learning Representations. Singapore: ICLR, 2024: 66342-6638.