基于GPS探测车与环形检测器数据融合的宏观基本图分层应用交通网络划分
数值分析
2020-11-19 v1 数值分析
最优化与控制
摘要
大多数面向宏观基本图(Macroscopic Fundamental Diagram)的网络划分方法主要基于归一化割机制，该机制以每条连边的交通统计量（如连边流量、速度或密度）作为输入，计算两条连边之间的相似度，并在连边间交通动态差异显著时于每次迭代中将网络划分为两个子网络。这些方法假设整个网络具备完整的连边级交通信息，例如网络中每条连边的交通状况均有精确测量，这使其难以应用于真实场景。本文提出一种方法，基于探测车数据(Probe Vehicle Data)与环形检测器数据(loop detector data)的融合，采用网格级网络方法提取局部同质子网络，而非处理细致的连边级网络。通过融合这两类数据源，我们同时利用了探测车数据更好的覆盖能力以及环形检测器数据的全量检测能力。
引用
@article{arxiv.2011.09075,
title = {Traffic Network Partitioning for Hierarchical Macroscopic Fundamental Diagram Applications Based on Fusion of GPS Probe and Loop Detector Data},
author = {Kang An and Xianbiao Hu and Xiaohong Chen},
journal= {arXiv preprint arXiv:2011.09075},
year = {2020}
}
备注
6 pages