基于深度学习的高速公路气象识别方法

摘要

高速公路是人们日常生活最主要的交通场景之一,其路面情况直接受到气象的影响,因此,高速公路的气象识别对于交通调度、管制及预警等都有重要的作用。针对典型气象识别模型,以全局信息来表征气象类型时,容易忽略局部关键特征对于结果的影响,采用Res2Net结构以多尺度的方式获取局部关键信息,可以提高相似气象的识别准确率。在气象公开数据集为通用场景的条件下,制作高速公路场景气象数据集,可使模型更好地适用于高速场景。实验表明,此气象识别模型准确率可达到95.26%,相似气象识别准确率较未使用Res2Net结构提高了6.9%。