宏观基本图（MFD）的校准与不确定性量化
密码学与安全
2025-09-03 v2
摘要
交通拥堵发生在旅行需求超过网络容量时，这需要深入理解网络容量以有效的交通控制和管理。宏观基本图（MFD）提供了一种高效的框架，用于量化网络容量。然而，经验MFD显示出显著的数据散布和不确定性。本文提出一种数学规划程序，同时校准MFD并量化数据散布相关的不确定性。我们进一步研究不确定性贡献因素，包括网络容量和交通韧性。具体而言，本文将两种传统MFD校准与不确定性量化方法作为特殊情况纳入该程序。该程序使用中国两座城市的实证数据进行验证。随后，我们确定拥堵加载和恢复如何贡献数据散布。我们发展出一种新型不确定性量化方法，能够同时捕捉不同拥堵阶段。校准MFD的上边界与下边界之间的差距，用作流量拥堵引起的容量下降的系数参数。此外，所提方法使我们能够进一步探讨宏观因素（如旅行需求和交通控制）和微观因素（如驾驶行为）如何影响MFD的滞后性、不确定性和交通韧性。这些发现为提高网络容量和韧性、同时依赖未来的连接自动驾驶技术以克服各种驾驶行为影响，提供了启示。
引用
@article{arxiv.2508.19525,
title = {Breaking the Layer Barrier: Remodeling Private Transformer Inference with Hybrid CKKS and MPC},
author = {Tianshi Xu and Wen-jie Lu and Jiangrui Yu and Chen Yi and Chenqi Lin and Runsheng Wang and Meng Li},
journal= {arXiv preprint arXiv:2508.19525},
year = {2025}
}
备注
USENIX Security 2025