关键词:城市科学,交通动力学,交通堵塞预测,幂律分布,空间网络复杂性
论文题目:
Spatiotemporal dynamics of traffic bottlenecks yields an early signal of heavy congestions
论文来源:Nature Communications论文链接:
https://www.nature.com/articles/s41467-023-43591-7
斑图地址:
https://pattern.swarma.org/paper/ee5c9580-92f8-11ee-bc79-0242ac17000e
由于交通动力学(traffic dynamics)的复杂性,严重交通堵塞很难预测。了解交通瓶颈的网络动力学有助于避免严重交通堵塞,改善整体交通状况。本研究开发了一种方法,基于早期传播阶段来预测严重拥堵。这一框架遵循交通堵塞的网络传播和消散过程,交通堵塞源于瓶颈的出现、增长及其恢复和消失。
基于大规模城市交通速度数据,研究发现交通拥堵的消散持续时间近似于幂律分布,通常情况下,交通拥堵的消散速度比其增长速度慢近一倍。重要的是,研究发现,即使在拥堵发生的最初 15 分钟,其增长速度也与拥堵的最大规模高度相关。该方法可应用于城市交通控制系统,以预测严重的交通瓶颈,并在其扩散为大规模网络拥堵之前加以预防。
图1:交通堵塞中瓶颈路段的拆分
预测的基础,在于整个网络中的宏观交通拥堵是由众多分散的拥堵成分组成的,而这些拥堵成分可能是由特定的瓶颈造成的,因此可以通过识别瓶颈的时空动力学来改善整体交通状况。识别交通瓶颈不仅有助于避免自身拥堵,还能缓解因网络传播而造成的其他相关拥堵道路。
图2:北京和深圳交通堵塞发生和恢复时间及幂律系数的散点图
图3:堵塞开始之后的经过的分钟数与其交通堵塞的最大规模的相关系数
图4:预测而得出的主要瓶颈路段,其中红色为成功的预测
编译|郭瑞东
城市科学读书会
推荐阅读
1. 如何预测交通堵塞?来自复杂系统的出行指南2. Nat. Commun. 速递:相互连通性增强多式联运公共交通系统韧性3. 使用机器学习预测快速变化的交通复杂网络4. 张江:第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程5. 加入集智学园VIP,一次性获取集智平台所有内容资源6. 加入集智,一起复杂!
点击“阅读原文”,报名读书会