由于智能交通系统的快速发展(其)和道路上车辆数量的趋势,增加了丰富的道路交通数据。了解来自此数据的时空流量模式至关重要,并且已经有效帮助交通规划,道路结构等。然而,在Covid-19流行期间了解交通模式是非常具有挑战性的,因为有巨大的差异人民和车辆的旅行行为模式。在本文中,进行了一个案例研究以了解Covid-19期间的时空交通模式的变化。我们将非负矩阵分解(NMF)应用于引出模式。基于2019年和2020年期间观察到的时空模式行为,分析了NMF模型输出,该行为分别在大熊血和大流行情况下,在英国。分析的时空交通模式变化行为的产出将在智能运输系统中的交通管理领域和大流行或不可避免的情景阶段与道路交通的不同阶段的管理。
translated by 谷歌翻译