Predicting Traffic Congestion at Urban Intersections Using Data-Driven Modeling

要約

都市部では交差点での交通渋滞が重大な問題となっており、通勤時間の増加、安全上の危険、業務の非効率化につながっています。
この研究は、4,800 か所の交差点にわたる商用車の走行記録メトリクスのデータセットを利用して、米国の主要都市の交差点での渋滞の予測モデルを開発することを目的としています。
このデータセットには、交差点の座標、通りの名前、時刻、交通量の指標を含む 27 の特徴が含まれています (Kashyap et al., 2019)。
モデルの予測能力を強化するために、降雨量/降雪量の割合、ダウンタウンと郊外からの距離、道路の種類などの追加機能が組み込まれました。
この方法論には、データ探索、特徴変換、および低ランク モデルとラベル エンコーディングによる欠損値の処理が含まれます。
提案されたモデルは、都市計画者や政府が交通ホットスポットを予測し、運用を最適化し、インフラストラクチャの課題を特定するのに役立つ可能性があります。

要約(オリジナル)

Traffic congestion at intersections is a significant issue in urban areas, leading to increased commute times, safety hazards, and operational inefficiencies. This study aims to develop a predictive model for congestion at intersections in major U.S. cities, utilizing a dataset of trip-logging metrics from commercial vehicles across 4,800 intersections. The dataset encompasses 27 features, including intersection coordinates, street names, time of day, and traffic metrics (Kashyap et al., 2019). Additional features, such as rainfall/snowfall percentage, distance from downtown and outskirts, and road types, were incorporated to enhance the model’s predictive power. The methodology involves data exploration, feature transformation, and handling missing values through low-rank models and label encoding. The proposed model has the potential to assist city planners and governments in anticipating traffic hot spots, optimizing operations, and identifying infrastructure challenges.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google