Traffic congestion prediction by spatiotemporal propagation patterns

Xiaolei Di, Yu Xiao, Chao Zhu, Yang Deng, Qinpei Zhao, Weixiong Rao

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

4 Sitaatiot (Scopus)

Abstrakti

Accurate prediction of traffic congestion at the granularity of road segment is important for planning travel routes and optimizing traffic control in urban areas. Previous works often calculated only the average congestion levels of a large region covering many road segments and did not take into account spatial correlation between road segments, resulting in inaccurate and coarse-grained prediction. To overcome these issues, we propose in this paper CPM-ConvLSTM, a spatiotemporal model for short-Term prediction of congestion level in each road segment. Our model is built on a spatial matrix which incorporates both the congestion propagation pattern and the spatial correlation between road segments. The preliminary experiments on the traffic data set collected from Helsinki, Finland prove that CPM-ConvLSTM greatly outperforms 6 counterparts in terms of prediction accuracy.

AlkuperäiskieliEnglanti
OtsikkoProceedings - 2019 20th International Conference on Mobile Data Management, MDM 2019
KustantajaIEEE
Sivut298-303
Sivumäärä6
ISBN (elektroninen)978-1-7281-3363-8
DOI - pysyväislinkit
TilaJulkaistu - 1 kesäkuuta 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaMobile Data Management Conference - Hong Kong, Hongkong
Kesto: 10 kesäkuuta 201913 kesäkuuta 2019
Konferenssinumero: 20

Julkaisusarja

NimiMobile Data Management Conference
Vuosikerta2019-June
ISSN (painettu)1551-6245
ISSN (elektroninen)2375-0324

Conference

ConferenceMobile Data Management Conference
LyhennettäMDM
MaaHongkong
KaupunkiHong Kong
Ajanjakso10/06/201913/06/2019

Sormenjälki Sukella tutkimusaiheisiin 'Traffic congestion prediction by spatiotemporal propagation patterns'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

  • Projektit

    DataFog: Datalähtöinen alusta kapasiteetin ja resurssien hallintaan ajoneuvojen sumulaskennassa

    Xiao, Y., Noreikis, M., Zhu, C., Mao, W. & Akgul, Ö.

    01/01/201931/12/2022

    Projekti: Academy of Finland: Other research funding

    Siteeraa tätä

    Di, X., Xiao, Y., Zhu, C., Deng, Y., Zhao, Q., & Rao, W. (2019). Traffic congestion prediction by spatiotemporal propagation patterns. teoksessa Proceedings - 2019 20th International Conference on Mobile Data Management, MDM 2019 (Sivut 298-303). [8788784] (Mobile Data Management Conference; Vuosikerta 2019-June). IEEE. https://doi.org/10.1109/MDM.2019.00-45