作者
摘要
在城市道路网中，交通状态具有复杂的信号干预特征，导致交通状态发生变化，尤其是在自适应信号配时条件下。由于可用的真实世界数据的局限性和技术的局限性，关于自适应信号定时下道路网络中交通状态的预测的研究有限。本研究的目的是提供可变长度交通状态的预测方法，并讨论预测在智能交通系统中的实际应用。本研究提出了一种称为相位流率（PR）的指标，该指标将交通状态与信号配时信息相结合。我们进一步引入了翘曲算法，将可变长度的PR对齐到模型可以接受的形状中。最后，我们提出了一种用于预测城市交通系统PR的嵌入式注意时空图卷积神经网络（EASTGCN）。基于具有自适应信号定时计划的城市网络两个月的数据，实验结果表明，我们的方法有效地解决了不规则采样导致的可变长度数据的挑战。此外，EASTGCN的预测性能优于最先进的模型，表现出10.6%至21.2%的改进。预测PR而非传统交通状态在三种应用场景中具有明显的优势，包括通过电动汽车的速度诱导提高能效6.6%，为联网车辆的路线规划节省16%的旅行时间，以及实时优化交通拥堵管理。
建议引用
黄、海曹和何、洪迪和张、哲和马、清海和薛、兴国和张、文秀，2024年。"具有自适应信号配时规划的城市网络变长交通状态预测及其应用,"物理学A：统计力学及其应用爱思唯尔，第637（C）卷。手柄：RePEc:eee:phsmap:v:637:y:2024:i:c:s0378437124000748
DOI:10.1016/j.physa.2024.129566
从出版商下载全文
由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:eee:phsmap:v:637:y:2024:i:c:s0378437124000748。请参阅一般信息关于如何在RePEc中更正材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格。
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Catherine Liu（电子邮件如下）。供应商的一般联系方式：http://www.journals.elsevier.com/physica-a-statistical-mechapplications网站/。
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
