I-55 州际公路交通流的贝叶斯分析：LWR 模型
应用统计
2016-02-01 v4
摘要
交通部门根据估计的当前和预测交通状况采取行动来管理交通流并减少出行时间。出行时间估计和预测需要有关交通密度的信息，这些信息与用于预测交通流的模型（如 Lighthill-Whitham-Richards (LWR) 模型）相结合。我们开发了一种粒子滤波和学习算法，以估计当前的交通密度状态和 LWR 参数。这些输入与所谓的基本图有关，基本图描述了交通流与密度之间的关系。我们在现有方法的基础上，允许实时更新临界密度和容量参数的后验不确定性。我们的方法应用于芝加哥 I-55 州际公路的交通流数据。我们提供了实时数据分析，展示了如何学习由重大交通事故导致的容量下降。我们的算法使我们能够准确评估激波处当前交通状态的不确定性，其中不确定性表现为混合分布。我们表明，贝叶斯学习可以修正固定参数模型中存在的估计偏差。
引用
@article{arxiv.1409.6034,
title = {Bayesian analysis of traffic flow on interstate I-55: The LWR model},
author = {Nicholas Polson and Vadim Sokolov},
journal= {arXiv preprint arXiv:1409.6034},
year = {2016}
}
备注
Published at http://dx.doi.org/10.1214/15-AOAS853 in the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)