基于随机细胞自动机和分布式光纤传感的交通建模与预测——一项数值实验

本文展示了使用随机细胞自动机（CA）和分布式光纤传感（DFOS）进行精确交通建模和预测。交通拥堵是高速公路的主要问题。为了减少拥堵，需要基于短期预测的实时交通控制。为此，使用随机CA模型和DFOS的数据同化很有前景。基于CA的数据同化使我们能够用简单过程对实时交通流进行建模，即使发生罕见或突发事件，这对于通常基于机器学习的方法来说具有挑战性。DFOS克服了传统点传感器存在观测盲区的问题。通过估计再现模拟中观测交通流的最优模型参数，可以从模拟中预测未来交通流。我们提出了一种使用平均速度作为提取特征和粒子滤波器的最优模型参数估计方法。此外，开发了一种微观交通状况估计方法，以根据观测设置预测模拟的初始条件。通过基于模拟的交通流验证了所提出的方法。模拟采用随机Nishinari-Fukui-Schadschneider模型。从DFOS数据估计的后验概率分布（PPDs）成功推导出最优模型参数。相比之下，从点传感器估计的参数失败。模型参数的PPDs还表明每个参数对交通流具有不同的敏感性。进行了长达60分钟后的交通预测。使用从DFOS估计的最优模型参数，平均速度的预测误差约为±10 km/h（百分比误差为18%）。该误差是使用传统点传感器时的一半。我们得出结论，DFOS是交通建模和短期预测的有力技术。