.png){kind=icon}
返回
Traffic Analysis and Visualisation from Sparse Mobility Data
.png){kind=icon}
OA
AI
DOI：10.1007/s13177-025-00584-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动性是智慧城市的一项基础服务，因为不同城市区域间的通勤是日常生活的基石。移动性数据的准确可视化不仅惠及通勤者，也有利于交通管理者与城市当局，能够识别拥堵热点和主导交通流，并支持及时、数据驱动的决策。我们提出了一种新颖的框架，该框架整合了基于径向基函数（Radial Basis Functions）的无网格近似与基于拉普拉斯（Laplacian-based）的图信号恢复技术，以重建和可视化城市道路网络中的时空交通数据。该方法即使在数据稀疏区域也能生成平滑、连续的速度与流量估计值，并能够识别高、低交通区域以及主导的市内交通流。我们进一步采用菲克扩散定律（Fick's diffusion law）的离散形式来估算车辆通量，这揭示了累积和扩散的模式。一种道路分割策略通过将道路划分为更小的路段来提升空间分辨率，实现更精细的插值，并消除非道路区域的伪影。我们的研究结果还揭示了交通流量与速度呈负相关的区域。总体而言，我们的框架结合了稳健的数据建模、估计和可视化技术，以支持有效的城市移动性规划与决策制定。
Keyword:
Traffic data analysis and visualisation
Graph signal recovery
RBF interpolation
Fick's diffusion law
Urban network
Vehicular trajectories
期刊
I
IF:
1.5
论文数:
119
被引数:
0
机构
引用论文
.png){kind=icon}
OSMnx: New methods for acquiring, constructing, analyzing, and visualizing complex street networksOSMnx: 获取、构建、分析和可视化复杂街道网络的新方法
OAAI
OAAI分享收藏分享收藏On the optimal shape parameters of radial basis functions used for 2-D meshless methods关于用于二维无网格方法的径向基函数的最佳形状参数
PREAI
分享收藏Visual Analytics of Mobility and Transportation: State of the Art and Further Research Directions移动和运输的视觉分析: 最新技术和进一步的研究方向OAAI
OAAI分享收藏
查看更多内容