Adaptive Vehicle Speed Classification via BMCNN with Reinforcement Learning-Enhanced Acoustic Processing

📄 arXiv: 2509.00839v1 📥 PDF

作者: Yuli Zhang, Pengfei Fan, Ruiyuan Jiang, Hankang Gu, Dongyao Jia, Xinheng Wang

分类: cs.SD, cs.AI, eess.AS

发布日期: 2025-08-31

💡 一句话要点

提出基于BMCNN和强化学习的自适应车辆速度分类方法以应对交通拥堵问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 车辆速度分类 声学信号处理 深度学习 强化学习 智能交通系统

📋 核心要点

  1. 核心问题：现有的车辆速度分类方法在处理复杂城市交通环境时，准确性和实时性不足，难以满足智能交通系统的需求。
  2. 方法要点：本文提出的混合框架结合了双分支BMCNN和强化学习，通过声学特征分类车辆速度，并实现了自适应决策。
  3. 实验或效果：在多个数据集上进行评估，取得了95.99%和92.3%的准确率，并通过早期终止技术实现了1.63倍的处理速度提升。

📝 摘要（中文）

交通拥堵是城市面临的重大挑战，需要智能交通系统进行实时管理。本文提出了一种混合框架，结合深度学习和强化学习用于声学车辆速度分类。双分支BMCNN处理MFCC和小波特征，以捕捉互补的频率模式。增强注意力的DQN自适应选择最少数量的音频帧，并在达到置信度阈值时触发早期决策。在IDMT-Traffic和SZUR-Acoustic（苏州）数据集上的评估显示，准确率分别为95.99%和92.3%，通过早期终止实现了平均处理速度提高1.63倍。与A3C、DDDQN、SA2C、PPO和TD3相比，该方法提供了更优的准确性与效率平衡，适合在异构城市环境中实时部署。

🔬 方法详解

问题定义：本文旨在解决城市交通中车辆速度分类的准确性和实时性问题。现有方法在复杂环境下表现不佳，难以快速响应交通管理需求。

核心思路：提出一种结合深度学习和强化学习的混合框架，通过声学信号处理实现车辆速度的高效分类。设计双分支BMCNN以提取互补特征，并使用强化学习优化决策过程。

技术框架：整体架构包括两个主要模块：双分支BMCNN用于处理MFCC和小波特征，增强注意力的DQN用于自适应选择音频帧并进行决策。流程中，BMCNN提取特征后，DQN根据置信度阈值进行早期决策。

关键创新：最重要的创新在于结合了双分支BMCNN与强化学习，能够在保证分类准确性的同时提升处理速度，显著优于传统方法。

关键设计：在网络结构上，BMCNN采用双分支设计，分别处理不同类型的声学特征。DQN的设计中引入了注意力机制，以优化帧选择和决策过程，确保在达到置信度时快速响应。损失函数和参数设置经过精心调整，以实现最佳性能。

📊 实验亮点

实验结果显示，提出的方法在IDMT-Traffic和SZUR-Acoustic数据集上分别达到了95.99%和92.3%的准确率，且通过早期终止技术实现了1.63倍的处理速度提升。与其他强化学习方法相比，提供了更优的准确性与效率平衡。

🎯 应用场景

该研究的潜在应用领域包括智能交通系统、城市交通管理和自动驾驶技术。通过实时监测和分类车辆速度，可以有效缓解交通拥堵，提高城市交通的运行效率，具有重要的实际价值和社会影响。

📄 摘要（原文）

Traffic congestion remains a pressing urban challenge, requiring intelligent transportation systems for real-time management. We present a hybrid framework that combines deep learning and reinforcement learning for acoustic vehicle speed classification. A dual-branch BMCNN processes MFCC and wavelet features to capture complementary frequency patterns. An attention-enhanced DQN adaptively selects the minimal number of audio frames and triggers early decisions once confidence thresholds are reached. Evaluations on IDMT-Traffic and our SZUR-Acoustic (Suzhou) datasets show 95.99% and 92.3% accuracy, with up to 1.63x faster average processing via early termination. Compared with A3C, DDDQN, SA2C, PPO, and TD3, the method provides a superior accuracy-efficiency trade-off and is suitable for real-time ITS deployment in heterogeneous urban environments.