[论文解读] Intra-City Urban Network and Traffic Flow Analysis from GPS Mobility Trace

Ian X. Y. Leung, Shu Yan Chan+2 more|arXiv (Cornell University)|May 29, 2011

Human Mobility and Location-Based Analysis参考文献 19被引用 17

一句话总结

本文提出了一种节点加权的最快路径介数中心性框架，通过整合实际交通时间与节点吸引力等现实因素，显著提升了城市路网中的交通流量预测性能。基于旧金山500多辆出租车和上海4000辆出租车的GPS轨迹数据，该方法在同时考虑边速度与节点级交通生成能力的基础上，显著优于传统拓扑介数中心性，揭示了高峰时段与非高峰时段交通模式的显著差异。

ABSTRACT

We analyse two large-scale intra-city urban networks and traffic flows therein measured by GPS traces of taxis in San Francisco and Shanghai. Our results coincide with previous findings that, based purely on topological means, it is often insufficient to characterise traffic flow. Traditional shortest-path betweenness analysis, where shortest paths are calculated from each pairs of nodes, carries an unrealistic implicit assumption that each node or junction in the urban network generates and attracts an equal amount of traffic. We also argue that weighting edges based only on euclidean distance is inadequate, as primary roads are commonly favoured over secondary roads due to the perceived and actual travel time required. We show that betweenness traffic analysis can be improved by a simple extended framework which incorporates both the notions of node weights and fastest-path betweenness. We demonstrate that the framework is superior to traditional methods based solely on simple topological perspectives.

研究动机与目标

• 在城市内部路网中，超越传统拓扑中心性度量，提升交通流量预测性能。
• 解决最短路径介数中心性方法的局限性，该方法假设所有节点的交通生成能力相同，且忽略实际行驶时间。
• 将实际因素（如行驶速度与节点级活动，例如商业活力）整合进网络中心性分析中。
• 在两个主要城市的大型GPS移动轨迹数据上，评估所提出框架的性能表现。
• 识别城市路网在高峰时段与非高峰时段下交通行为的拓扑差异。

提出的方法

• 提出一种改进的介数中心性框架，同时整合边权重（基于行驶时间）与节点权重（反映交通生成与吸引能力）。
• 使用改进的Dijkstra算法与优先队列计算最快路径，将欧氏距离替换为实际行驶时间。
• 应用节点加权Brandes算法计算介数中心性，其中每条路径的贡献按源节点与目标节点权重的乘积进行缩放。
• 利用来自旧金山超过500辆出租车（24天）与上海4000辆出租车（28天）的GPS移动轨迹数据，推导真实世界的交通模式。
• 对比四种中心性度量：测地线最短路径介数中心性、欧氏最短路径介数中心性、最快路径介数中心性与节点加权最快路径介数中心性。
• 使用Tulip 3.5.0进行网络可视化与基于GPS数据的图结构构建。

实验结果

研究问题

• RQ1 传统拓扑介数中心性能否准确预测城市路网中的真实交通流量？
• RQ2 与纯拓扑度量相比，整合行驶时间与节点级活动后，交通流量预测性能提升程度如何？
• RQ3 在城市内部路网中，高峰时段与非高峰时段的网络中心性与交通模式存在哪些差异？
• RQ4 基于行驶速度的边权重与基于位置活力的节点权重，如何影响基于介数的交通预测性能？
• RQ5 所提出的框架在真实GPS轨迹数据中，相较于标准最短路径介数中心性，性能提升程度如何？

主要发现

• 由于假设所有节点生成与吸引的交通量相等，传统最短路径介数中心性在真实城市路网中表现欠佳。
• 通过边权重反映行驶时间（即最快路径介数中心性），显著提升了相对于基于欧氏距离方法的预测准确性。
• 引入节点权重（反映路口生成或吸引交通的能力）后，预测性能进一步提升，超越仅依赖边权重的模型。
• 所提出的节点加权最快路径介数中心性框架在旧金山与上海的GPS轨迹数据中，均显著优于所有基线方法，能更准确预测实际交通流量。
• 该框架揭示了高峰时段与非高峰时段下存在显著不同的拓扑交通行为，表明网络动态具有时间依赖性。
• 本研究证明，城市路网分析必须整合实际因素（如行驶时间与位置活力）才能实现准确的交通预测。