交通级联模式推断

Inferring Traffic Cascading Patterns

作者信息 Yuxuan Liang，Zhongyuan Jiang，Yu Zheng

1 摘要

在现实生活中，我们只能观察到离散的时间间隔内不同路段上的个别交通状况，而不是路段之间的显示交互或者传播（如：A-->B）。本文首先对交通传播中存在的三重影响进行建模，然后提出了一个数据驱动的方法，此方法通过最大化交通观测数据的可能性来发现级联模式。

公式显示有些问题，可以看我的原文 https://zhuanlan.zhihu.com/p/214009422

2 挑战

1. 隐式交互：交通条件的真实传播路径是隐式的，我们只能观察到的是在不连续的时间间隔内不同路段上的个别交通状况。即我们只能观测到何时何地发生了交通拥堵，而不是拥堵怎样到达特定的路段。此外，推断交通级联模式并不等同于在包含实际传播路径的图上挖掘频繁的子图。

2. 多源：一个路段上的交通由两部分组成：来自于其他路段的交通流和来自于相邻路段的交通。因此，一个路段交通条件的影响因子可分为两类：

• a）临近交通：来自同当前路段具有直接物理连接的路段的“直接影响”或来自需要多跳间接连接的路段的“间接影响”（如图 2）。

• b）周边环境：路段周边的环境（如：P# Inferring Traffic Cascading Patterns

1. 地理空间关联：在社交网络中，信息的传播同等待时间有很强的关联性。而在交通网络中，除了交通拥堵的时差外，交通网络还存在地理空间相关性。

3 定义

定义 1（路网）：路网 由一组路段 组成，路段间以有向图的形式相互连接。路段 是具有两个终端节点的有向边， 为长度， 表示其通行能力。

定义 2（交通条件）：交通条件表示一个路段在一个特定的时间间隔内的独特状态：拥堵或流畅。如果在给定的时间片在路段 上的行进速度低于 20km/h，则说路段 拥堵。

定义 3（级联）&#x