基于ASPC-DA的假冒绿通车识别方法

“绿色通道”政策的提出是为构建高效农产品流通网络,但存在不法车辆伪装成“绿通车”通行并逃缴高速通行费用的情况。针对该问题,提出了一种基于ASPC-DA的假冒绿通车识别方法。选取四川省正常绿通车通行历史数据以及假冒绿通车通行历史数据作为训练模型的案例数据集,并进行数据预处理及数据增强操作。然后基于PyTorch深度学习框架进行ASPC-DA-I模型预训练阶段,预训练得到的模型具有较高的识别率,但稍逊于现有文献方法。在ASPC-DA-II模型微调阶段,引入自步学习对模型进行逐步调整最终得到ASPC-DA模型,识别率为92.69%,远优于现有方法。通过灵敏度分析结果表明,ASPC-DA模型最优训练样本量为总样本量的70%,最优迭代上限为90~100,最优终止条件阈值为10^(-5)~10^(-4)。