論文の概要: Beyond Lanes: Traffic Flow Dynamics in Disordered Conditions Based on High-Resolution Trajectory Data

• arxiv url: http://arxiv.org/abs/2608.00602v1
• Date: Sat, 01 Aug 2026 11:38:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.824341
• Title: Beyond Lanes: Traffic Flow Dynamics in Disordered Conditions Based on High-Resolution Trajectory Data
• Title（参考訳）: Beyond Lanes:高解像度軌跡データに基づく障害条件における交通流のダイナミクス
• Abstract要約: 障害のある交通の流れは、強い車両と横方向の相互作用の存在下で、弱いまたは存在しないレーンの規律によって特徴づけられる。 本研究では,高分解能UAVトラジェクトリデータを用いた交通障害のマクロ・微視的側面の実証的研究を行った。
• 参考スコア（独自算出の注目度）: 0.9236074230806578
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Disordered traffic flow is characterized by weak or non-existent lane discipline in the presence of strong vehicle heterogeneity and continuous lateral interactions, challenging traditional lane-based modeling assumptions. This study presents an empirical study of macroscopic and microscopic aspects of disordered traffic using high-resolution UAV trajectory data collected on an urban arterial. A two-dimensional extension of Edie's framework is applied to quantify aggregate traffic variables and produce a two-dimensional fundamental diagram, revealing that traffic states cannot be adequately represented using one-dimensional formulations and highlighting the persistent role of lateral redistribution. The propagation of congestion is estimated directly from the spatiotemporal speed fields, demonstrating the emergence of coherent stop-and-go waves and showing a similar dynamics as conventional lane-based flow, in spite of the heterogeneous vehicle interactions. At the microscopic level, steady-state follower-leader identification is used to examine desired time gaps and minimum lateral spacing, vehicle dimension distributions, and kinematic characteristics, revealing pronounced inter-class heterogeneity that explains disordered traffic behavior. The study provides an empirical framework linking vehicle-level interactions and aggregate traffic dynamics and establishes a data-driven basis for the calibration and validation of traffic models for disordered mixed traffic systems.
• Abstract（参考訳）: 障害のある交通の流れは、強い車両の不均一性と連続的な横方向相互作用の存在下で、弱いあるいは存在しないレーンの規律によって特徴づけられ、従来のレーンに基づくモデリングの前提に挑戦する。 本研究では,高分解能UAVトラジェクトリデータを用いた交通障害のマクロ・微視的側面の実証的研究を行った。 Edieのフレームワークの2次元拡張は、トラフィック変数を定量化し、2次元の基本図を作成するために適用され、1次元の定式化でトラフィック状態が適切に表現できないことを明らかにし、横方向の再分配の永続的な役割を強調している。 渋滞の伝播は時空間速度場から直接推定され、不均一な車両相互作用にもかかわらず、コヒーレント・ストップ・アンド・ゴー波の出現を示し、従来のレーン流と同様のダイナミクスを示す。 顕微鏡レベルでは、一定状態の追従者-リーダー識別を用いて、所望の時間ギャップと最小横間隔、車両寸法分布、および運動特性を調べ、不規則な交通行動を説明するクラス間不均一性を明らかにする。 本研究は、車両レベルの相互作用をリンクし、交通動態を集約する実証的な枠組みを提供し、乱れた混合交通システムの交通モデルの校正と検証のためのデータ駆動基盤を確立する。

関連論文リスト

• Hybrid Congestion Classification Framework Using Flow-Guided Attention and Empirical Mode Decomposition [6.830580384536778]
  本研究では,FLO-EMDというハイブリッド手法を提案する。 4つの監視ネットワークから1050本の5秒のクリップでの実験は、FLO-EMD 97.5%のテスト精度を示している。
  論文  参考訳（メタデータ） (2026-05-06T10:59:32Z)
• A Driving Regime-Embedded Deep Learning Framework for Modeling Intra-Driver Heterogeneity in Multi-Scale Car-Following Dynamics [5.579243411257874]
  本稿では、離散駆動方式を車体運動予測に組み込む新しいデータ駆動型自動車追従フレームワークを提案する。 提案したハイブリッドディープラーニングアーキテクチャは、離散運転系統分類のためのGated Recurrent Unitsと、連続的キネマティック予測のためのLong Short-Term Memory Networkを組み合わせたものである。 このフレームワークはアクセラレーションの予測誤差を著しく減らし(最大MSE改善は58.47%に達した)、速度と距離を計測し、重要な交通現象を再現する。
  論文  参考訳（メタデータ） (2025-06-06T09:19:33Z)
• Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
  本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。 PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
  論文  参考訳（メタデータ） (2024-11-01T00:37:00Z)
• Fusion Matrix Prompt Enhanced Self-Attention Spatial-Temporal Interactive Traffic Forecasting Framework [2.9490249935740573]
  FMPESTF(Fusion Matrix Prompt-Enhanced Self-Attention Space-Temporal Interactive Traffic Forecasting Framework)を提案する。 FMPESTFは、ダウンサンプリングトラフィックデータのための空間的および時間的モジュールで構成されている。 時間モデリングにおける注意機構を導入し,様々な交通シナリオに適応するための階層型時空間対話型学習を設計する。
  論文  参考訳（メタデータ） (2024-10-12T03:47:27Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Towards better traffic volume estimation: Jointly addressing the underdetermination and nonequilibrium problems with correlation-adaptive GNNs [47.18837782862979]
  本稿では, 交通量推定に関する2つの重要な問題について考察する。(1) 未検出運動による交通流の過小評価, (2) 渋滞伝播による非平衡交通流。 上記の問題に対処するために,データ駆動型,モデルフリー,相関適応型アプローチをグラフベースで実現するディープラーニング手法を実証する。
  論文  参考訳（メタデータ） (2023-03-10T02:22:33Z)
• PDFormer: Propagation Delay-Aware Dynamic Long-Range Transformer for Traffic Flow Prediction [78.05103666987655]
  空間時空間グラフニューラルネットワーク(GNN)モデルは、この問題を解決する最も有望な方法の1つである。 本稿では,交通流の正確な予測を行うために,遅延を意識した動的長距離トランスフォーマー(PDFormer)を提案する。 提案手法は,最先端の性能を達成するだけでなく,計算効率の競争力も発揮できる。
  論文  参考訳（メタデータ） (2023-01-19T08:42:40Z)
• Causal conditional hidden Markov model for multimodal traffic prediction [2.991894112851257]
  マルチモーダルトラフィックフローを予測するために,Causal Hidden Markov Model (CCHMM)を提案する。 実世界のデータセットの実験により、CCHMMは興味ある概念の因果表現を効果的に切り離すことができることが示された。
  論文  参考訳（メタデータ） (2023-01-19T01:56:43Z)
• D2-TPred: Discontinuous Dependency for Trajectory Prediction under Traffic Lights [68.76631399516823]
  本稿では,空間的動的相互作用グラフ(SDG)と行動依存グラフ(BDG)を用いて,交通信号に対する軌道予測手法D2-TPredを提案する。 実験の結果,VTP-TLではADEとFDEでそれぞれ20.45%,20.78%以上を達成できた。
  論文  参考訳（メタデータ） (2022-07-21T10:19:07Z)
• Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
  本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。 具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。 提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
  論文  参考訳（メタデータ） (2020-01-09T10:21:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。