细化时空交通图：一种简单的多元线性回归模型
计算机视觉与模式识别
2023-09-18 v4
摘要
时空交通（TS）图以颜色在时空单元中呈现交通状态，是重要的交通分析与可视化工具。尽管其对交通研究与工程十分重要，但由于现有信息技术与交通基础设施投入的限制，大多数已存在或正在生成的 TS 图过于粗糙，难以展现细致的交通动态。为提升 TS 图的分辨率并使其呈现丰富的交通细节，本文引入 TS 图细化问题，并提出一种基于多元线性回归的模型来解决该问题。我们进行了两次测试，试图将 TS 图分辨率分别提升 4 倍和 16 倍，以评估所提模型的性能。采用不同时间、不同地点甚至不同国家收集的数据，来全面评估所提模型的准确性与可迁移性。基于多样数据的严格测试表明，所提模型虽简单，却能以可观的精度与可靠的可迁移性细化 TS 图。所提细化模型将把广泛存在的 TS 图从其模糊的“面孔”中“拯救”出来，使 TS 图展现更多交通细节。
引用
@article{arxiv.2204.04457,
title = {Refining time-space traffic diagrams: A simple multiple linear regression model},
author = {Zhengbing He},
journal= {arXiv preprint arXiv:2204.04457},
year = {2023}
}