基于统计因果性的事故所致交通拥堵传播时延估计
机器学习
2022-11-28 v3 机器学习
系统与控制
系统与控制
摘要
准确的时延估计在交通拥堵分析中至关重要，因为该信息可用于解决有关交通拥堵起源与传播的基本问题。然而，由于道路间复杂的传播过程以及对未来行为的高不确定性，拥堵期间时延的精确测量仍具挑战。为克服该挑战，我们提出一种基于滞后特异转移熵（TE）的、针对事故所致交通拥堵传播的新型时延估计方法。所提方法采用马尔可夫自助法（Markov bootstrap）技术来量化时延估计量中的不确定性。据我们所知，我们的方法是首个基于相邻道路间因果关系估计时延的方法。我们使用模拟数据以及从韩国某主流 GPS 导航系统获取的真实用户轨迹数据验证了该方法的有效性。
引用
@article{arxiv.2108.06717,
title = {Time delay estimation of traffic congestion propagation due to accidents based on statistical causality},
author = {YongKyung Oh and JiIn Kwak and Sungil Kim},
journal= {arXiv preprint arXiv:2108.06717},
year = {2022}
}
备注
http://www.aimspress.com/article/doi/10.3934/era.2023034