轨迹流图:基于图的大规模城市网络聚合交通流时序演化分析方法
机器学习
2022-12-07 v1 社会与信息网络
摘要
本文提出一种基于图来表示时空轨迹数据的方法,可实现对城市范围交通动力学的有效可视化与刻画。随着传感器、移动与物联网(IoT)技术的进步,车辆与乘客轨迹正以海量规模被持续采集,并成为洞察交通模式与出行者行为的关键来源。为利用此类轨迹数据更好地理解大规模城市网络中的交通动力学,本研究开发了一种基于轨迹的网络交通分析方法,将个体轨迹数据转换为随时间演化的图序列(即动态图或时间演化图),并以一种紧凑且信息丰富的聚合交通流图表示来分析全网交通模式。首先,我们根据个体轨迹中数据点的空间分布将整个网络划分为一组单元,这些单元表示可测度聚合交通流的空间区域。接着,移动对象的动态流被表示为时间演化图,其中区域为图顶点,它们之间的流被视为带权有向边。给定固定的顶点集,边可在每个时间步根据给定时间窗内两区域间是否存在交通流而插入或删除。一旦构建动态图,我们应用图挖掘算法检测时间上的变化点,这些点对应图整体结构发生显著变化的时刻,从而对应全天城市出行模式的变更点(例如高峰与非高峰时段之间的全局转换点)。
引用
@article{arxiv.2212.02927,
title = {Trajectory Flow Map: Graph-based Approach to Analysing Temporal Evolution of Aggregated Traffic Flows in Large-scale Urban Networks},
author = {Jiwon Kim and Kai Zheng and Jonathan Corcoran and Sanghyung Ahn and Marty Papamanolis},
journal= {arXiv preprint arXiv:2212.02927},
year = {2022}
}
备注
20 pages, 5 figures; Presented at the 96th Annual Meeting of the Transportation Research Board, January 2017