基于 Wasserstein 距离的大规模网络交通预测 LWR 模型灵敏度分析
数值分析
2018-04-13 v3
摘要
本文探讨了 LWR 模型对参数及网络本身的灵敏度。通过测量对应不同输入下两个 LWR 解之间的 Wasserstein 距离来量化灵敏度。为此，我们提出了一种近似定义于网络上的两种密度分布之间 Wasserstein 距离的数值方法。我们发现，对交叉口的交通分布、网络规模以及网络拓扑结构都具有较大的灵敏度。
引用
@article{arxiv.1608.00126,
title = {Sensitivity analysis of the LWR model for traffic forecast on large networks using Wasserstein distance},
author = {Maya Briani and Emiliano Cristiani and Elisa Iacomini},
journal= {arXiv preprint arXiv:1608.00126},
year = {2018}
}