基于图关联交通领域特征的模式检索交通拥堵
计算机视觉与模式识别
2023-11-30 v1 图像与视频处理
摘要
快速增长的交通数据量为揭示交通动态中更具洞察力的信息带来诸多机遇,但也要求一种有效的数据库管理系统,其中信息检索可谓重要特征。在大数据集中定位相似模式的能力,可能为交通管理中进一步有价值的分析铺平道路。本文提出一种针对高速公路交通拥堵时空模式的内容检索系统。我们的框架包含两个主要组件,即模式表示与相似性度量。为有效解释检索结果,本文针对前一组件提出一种基于图的方法(关系图),其中基础交通现象被编码为节点、其时空关系为边。在后一组件中,拥堵模式间的相似性可根据用户期望按多方面定制。我们通过将所提框架应用于包含数百个具时空不同复杂度模式的数据集进行评估。示例查询表明了该方法的有效性,即所得模式呈现与给定示例相似的交通现象。此外,所提方法的成功直接衍生出语义检索的新机遇,其中期望模式通过采用关系图概念关联基础交通现象来描述。
引用
@article{arxiv.2311.17256,
title = {Pattern retrieval of traffic congestion using graph-based associations of traffic domain-specific features},
author = {Tin T. Nguyen and Simeon C. Calvert and Guopeng Li and Hans van Lint},
journal= {arXiv preprint arXiv:2311.17256},
year = {2023}
}
备注
20 pages, 14 figures