On-ramp and Off-ramp Traffic Flows Estimation Based on A Data-driven Transfer Learning Framework

要約

最も適切な制御戦略を開発し、高速道路ウィービングエリアの交通パフォーマンスを監視、維持、評価するには、州および地方の運輸局が、入口ランプと出口ランプの各ペアでの交通の流れにアクセスできる必要があります。
しかし、交通機関はランプ流を常に容易に利用できるわけではなく、物理センサーが設置されていない場所でこれらの欠落した流量を推定する努力はほとんど行われていません。
この研究ギャップを埋めるために、高速道路本線のループ検出器から収集されたデータのみを使用して、欠落しているランプ流を正確に推定できるデータ駆動型フレームワークが提案されています。
提案されたフレームワークは転移学習モデルを採用しています。
転移学習モデルは、ソース ドメインとターゲット ドメインの基礎となるデータ分布が同じでなければならないという前提を緩和します。
したがって、提案されたフレームワークは、さまざまな交通パターン、分布、特性を持つ高速道路の入口ランプおよび出口ランプの流れの高精度の推定を保証できます。
実験結果に基づくと、流量推定の平均絶対誤差は、オンランプでは 23.90 veh/h ～ 40.85 veh/h、オフランプでは 31.58 veh/h ～ 45.31 veh/h の範囲になります。
流量推定の二乗平均平方根誤差の範囲は、オンランプでは 34.55 veh/h ～ 57.77 veh/h、オフランプでは 41.75 veh/h ～ 58.80 veh/h です。
さらに、比較分析により、提案されたフレームワークが他の従来の機械学習モデルよりも優れていることがわかります。
提案された方法に基づいて推定されたランプ流量は、交通機関が物理センサーが設置されていない場所でのランプ制御戦略の運用を強化するのに役立ちます。

要約(オリジナル)

To develop the most appropriate control strategy and monitor, maintain, and evaluate the traffic performance of the freeway weaving areas, state and local Departments of Transportation need to have access to traffic flows at each pair of on-ramp and off-ramp. However, ramp flows are not always readily available to transportation agencies and little effort has been made to estimate these missing flows in locations where no physical sensors are installed. To bridge this research gap, a data-driven framework is proposed that can accurately estimate the missing ramp flows by solely using data collected from loop detectors on freeway mainlines. The proposed framework employs a transfer learning model. The transfer learning model relaxes the assumption that the underlying data distributions of the source and target domains must be the same. Therefore, the proposed framework can guarantee high-accuracy estimation of on-ramp and off-ramp flows on freeways with different traffic patterns, distributions, and characteristics. Based on the experimental results, the flow estimation mean absolute errors range between 23.90 veh/h to 40.85 veh/h for on-ramps, and 31.58 veh/h to 45.31 veh/h for off-ramps; the flow estimation root mean square errors range between 34.55 veh/h to 57.77 veh/h for on-ramps, and 41.75 veh/h to 58.80 veh/h for off-ramps. Further, the comparison analysis shows that the proposed framework outperforms other conventional machine learning models. The estimated ramp flows based on the proposed method can help transportation agencies to enhance the operations of their ramp control strategies for locations where physical sensors are not installed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google