[论文解读] Abnormal Spatial-Temporal Pattern Analysis for Niagara Frontier Border Wait Times

Zhenhua Zhang, Lei Lin|arXiv (Cornell University)|Oct 31, 2017

Traffic Prediction and Management Techniques参考文献 9被引用 5

一句话总结

本研究提出一种基于字典的压缩算法，用于检测尼亚加拉边境地区三座美加桥梁的异常时空等待时间模式。研究识别出与周末/节假日以及货运需求不均衡相关的关键异常，其中美国至加拿大方向的汽车异常高峰出现在中午，而双向卡车的异常高峰则出现在下午，通过量化异常评分，有助于实现更优的边境管理。

ABSTRACT

Border crossing delays cause problems like huge economics loss and heavy environmental pollutions. To understand more about the nature of border crossing delay, this study applies a dictionary-based compression algorithm to process the historical Niagara Frontier border wait times data. It can identify the abnormal spatial-temporal patterns for both passenger vehicles and trucks at three bridges connecting US and Canada. Furthermore, it provides a quantitate anomaly score to rank the wait times patterns across the three bridges for each vehicle type and each direction. By analyzing the top three most abnormal patterns, we find that there are at least two factors contributing the anomaly of the patterns. The weekends and holidays may cause unusual heave congestions at the three bridges at the same time, and the freight transportation demand may be uneven from Canada to the USA at Peace Bridge and Lewiston-Queenston Bridge, which may lead to a high anomaly score. By calculating the frequency of the top 5% abnormal patterns by hour of the day, the results show that for cars from the USA to Canada, the frequency of abnormal waiting time patterns is the highest during noon while for trucks in the same direction, it is the highest during the afternoon peak hours. For Canada to US direction, the frequency of abnormal border wait time patterns for both cars and trucks reaches to the peak during the afternoon. The analysis of abnormal spatial-temporal wait times patterns is promising to improve the border crossing management

研究动机与目标

• 识别尼亚加拉边境过境点等待时间中的异常时空模式。
• 对三座桥梁及两个行驶方向（美国至加拿大和加拿大至美国）的汽车与卡车两类车辆的异常情况进行量化。
• 按小时分析前几位异常模式的时间频率，以揭示高峰拥堵时段。
• 揭示异常模式的潜在成因，如节假日和货运需求失衡。
• 通过数据驱动的异常检测支持更优的边境过境管理。

提出的方法

• 将基于字典的压缩算法应用于历史等待时间数据，以检测与正常模式的偏差。
• 通过测量模式压缩效果的优劣来计算异常评分，反映其与典型行为的偏离程度。
• 在三座桥梁（和平桥、莱斯利-昆斯敦桥及第三座未命名桥梁）和两个方向（美国至加拿大与加拿大至美国）之间分析模式。
• 分别分析车辆类型（乘用车和卡车），以检测不同的异常特征。
• 提取最异常的前5%模式，并按一天中各小时计算其频率，以识别异常高峰时段。
• 利用异常评分对模式进行排序，并评估其在不同桥梁和方向上的严重程度。

实验结果

研究问题

• RQ1 在尼亚加拉边境的三座桥梁中，等待时间的最异常时空模式是什么？
• RQ2 对于每个方向的汽车和卡车，异常等待时间模式在一天中哪个小时出现频率最高？
• RQ3 哪些因素导致了这些时空模式的异常性？
• RQ4 周末和节假日如何影响边境等待时间异常的频率和严重程度？
• RQ5 货运运输需求失衡在多大程度上是和平桥和莱斯利-昆斯敦桥异常模式的驱动因素？

主要发现

• 从美国前往加拿大的汽车等待时间异常模式在中午达到最高频率，而卡车的异常模式则在下午达到高峰。
• 在加拿大至美国方向，汽车和卡车的异常模式均在下午达到最高频率。
• 周末和节假日与三座桥梁的同步拥堵相关，导致异常评分升高。
• 和平桥和莱斯利-昆斯敦桥从加拿大至美国方向的货运需求不均衡是异常模式形成的重要因素。
• 最异常的前5%模式最常出现在高峰出行时段，表明异常存在时间上的聚集性。
• 基于字典的压缩方法成功识别并量化了异常模式，为边境管理提供了可操作的洞察。