Building the Traffic Flow Network with Taxi GPS Trajectories

论文的标题是Building the Traffic Flow Network with Taxi GPS Trajectories and Its Application to Identify Urban Congestion Areas for Traffic Planning

1.论文概述

文章主要是基于出租车GPS轨迹数据构建反应路网交通状态的网络，然后使用网络来进行拥堵区域分析。

2.数据源

文章使用的数据源是出租车GPS轨迹数据，数据字段包括taxi ID, GPS coordinates, and timestamps of 10735 taxi trajectories in Beijing from 2 February to 8 February 2008, involving 15 million GPS nodes and covering all the critical traffic areas in Beijing。

3.方法论

文章的关键其实就两部分，1. 网络的构建；2.结点属性值的计算。

3.1 网络的构建

网络构建的算法如下所示：

1. 数据选择，使用早高峰7:00-9:00am的数据进行分析。
2. 确定初始网络的结点，将所有出租车轨迹点中重复的去除便是所有网络的结点了。
3. 连接网络的边，网络的边是的权重计算方式如下，其实就是速度的倒数而已。通过这一步便已经构建完很多互相独立的网络了，每辆车都是一个独立的网络。
4. 通过下图所示的方式将原始的网络融合成一个最终的单个的网络。融合主要是通过下图所述的四步，第一，以50m为半径，将node i 50m范围内的点都标记为i，然后将这些下标相同的点合并成一个点，边的权重保持不变，最后更新其他结点的序号就可以了。
   
   通过上述四步就成功构建好了反应交通状态的网络，而且每一个结点都是一个区域，而不是一个单独的轨迹点。

3.2 指标提取

文章主要是提取了四个反应结点状态的指标，依次如下所示：
Nodal Strength

Average Strength

上面的两个指标相当简单了，看一下就完全理解了。下面两个稍微复杂一些。
Weighted Clustering Coefficient
这个指标主要反应的是网络的连通性（紧凑性），具体的不做介绍了，可以看下文章，其实也是不难的。

Weighted Companion Behaviors
这个指标反应的是结点的重要性或对其他点的影响的大小。公式如下，其实就是用 Jaccard coefficient 来度量，具体可以看文章了。

4.结果

在构建网络并得到每个结点的四个属性之后，使用四个属性分别来识别拥堵区域，识别方式就是对属性排序，前300个识别为拥堵区域，之后比较了各个属性做拥堵区域识别的效果如何，具体还看了下拥堵区域是哪些之类的，不做过多介绍了。

参考文献

Qin, J.; Mei, G.; Xiao, L. Building the Traffic Flow Network with Taxi GPS Trajectories and Its Application to Identify Urban Congestion Areas for Traffic Planning. Sustainability 2021, 13, 266. https:// doi.org/10.3390/su13010266