基于斜网格与车辆轨迹数据的高效鲁棒高速公路交通速度估计
系统与控制
2024-11-13 v1 机器学习
系统与控制
摘要
由于传感器部署有限和潜在的数据损坏，准确估计高速公路上的时空交通状态是一项重大挑战。在本研究中，我们提出了一种高效且鲁棒的低秩模型，用于利用低渗透率车辆轨迹数据精确估计时空交通速度状态。利用交通波先验，首先设计了一个基于斜网格的矩阵，将时空交通状态的内在依赖性转化为矩阵的代数低秩性。然后，借助斜矩阵中增强的交通状态低秩性，设计了一种低秩矩阵补全方法，以显式捕捉时空交通传播特征并精确重建交通状态。此外，开发了一个基于稀疏矩阵的异常容忍模块，以容纳损坏的数据输入，从而提高交通速度估计模型的鲁棒性。值得注意的是，受交通波理解的驱动，所提出高效方法的计算复杂度仅与问题规模本身相关，而与现有研究中常见的数据集规模和超参数选择无关。广泛的实验证明了所提出模型的有效性、鲁棒性和效率。该方法在交通速度估计场景中的性能实现了高达 12% 的均方根误差（RMSE）提升，在鲁棒交通速度估计场景中实现了高达 18% 的 RMSE 提升，并且运行速度比最先进（SOTA）方法快 20 倍以上。
引用
@article{arxiv.2411.05842,
title = {Efficient and Robust Freeway Traffic Speed Estimation under Oblique Grid using Vehicle Trajectory Data},
author = {Yang He and Chengchuan An and Yuheng Jia and Jiachao Liu and Zhenbo Lu and Jingxin Xia},
journal= {arXiv preprint arXiv:2411.05842},
year = {2024}
}
备注
accepted by T-ITS