物理学 > 物理与社会
[提交于 2025年7月13日
]
标题: 从大规模车辆轨迹数据构建交通流的基本图
标题: Constructing the fundamental diagrams of traffic flow from large-scale vehicle trajectory data
摘要: 几十年来,研究人员和从业者通常使用时间或空间切片来测量宏观交通流变量,即密度、流量和速度,然后构建交通流的基本图。 随着大规模车辆轨迹数据集的出现,这些数据集通常捕捉100%的车辆动态,Edie的广义定义已被广泛认为是测量这些变量的最佳框架。 然而,尽管Edie的公式明确要求测量区域内的交通状态既稳定又均匀,但很少有指导如何系统地识别此类合格区域并构建相应的基本图。 为解决这一差距,本文提出了一种基于Edie定义的方法,通过使用平行四边形形状的聚合区域自动识别稳定的交通状态,从而测量交通变量并构建交通流的基本图。 开发并发布了开源工具,网址为https://github.com/gotrafficgo/construct_fundamental_diagram,以支持研究人员和从业者。 从现在起,我们有一个自动化工具,可以直接从任何大规模的时间-空间图中生成基本图,这些图可以是从现实世界中收集的,也可以是通过仿真生成的。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.