​Nat. Commun.速递：交通瓶颈的时空动力学预测严重交通拥堵的早期信号

关键词：城市科学，交通动力学，交通堵塞预测，幂律分布，空间网络复杂性

论文题目：

Spatiotemporal dynamics of traffic bottlenecks yields an early signal of heavy congestions

论文来源：Nature Communications论文链接：

https://www.nature.com/articles/s41467-023-43591-7

斑图地址：

https://pattern.swarma.org/paper/ee5c9580-92f8-11ee-bc79-0242ac17000e

由于交通动力学（traffic dynamics）的复杂性，严重交通堵塞很难预测。了解交通瓶颈的网络动力学有助于避免严重交通堵塞，改善整体交通状况。本研究开发了一种方法，基于早期传播阶段来预测严重拥堵。这一框架遵循交通堵塞的网络传播和消散过程，交通堵塞源于瓶颈的出现、增长及其恢复和消失。

基于大规模城市交通速度数据，研究发现交通拥堵的消散持续时间近似于幂律分布，通常情况下，交通拥堵的消散速度比其增长速度慢近一倍。重要的是，研究发现，即使在拥堵发生的最初 15 分钟，其增长速度也与拥堵的最大规模高度相关。该方法可应用于城市交通控制系统，以预测严重的交通瓶颈，并在其扩散为大规模网络拥堵之前加以预防。

图1：交通堵塞中瓶颈路段的拆分

预测的基础，在于整个网络中的宏观交通拥堵是由众多分散的拥堵成分组成的，而这些拥堵成分可能是由特定的瓶颈造成的，因此可以通过识别瓶颈的时空动力学来改善整体交通状况。识别交通瓶颈不仅有助于避免自身拥堵，还能缓解因网络传播而造成的其他相关拥堵道路。

图2：北京和深圳交通堵塞发生和恢复时间及幂律系数的散点图

图3：堵塞开始之后的经过的分钟数与其交通堵塞的最大规模的相关系数

图4：预测而得出的主要瓶颈路段，其中红色为成功的预测

编译｜郭瑞东

城市科学读书会

详情请见：城市科学读书会启动：AI与因果交织的城市复杂系统

推荐阅读

‍1. 如何预测交通堵塞？来自复杂系统的出行指南2. Nat. Commun. 速递：相互连通性增强多式联运公共交通系统韧性3. 使用机器学习预测快速变化的交通复杂网络4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程5. 加入集智学园VIP，一次性获取集智平台所有内容资源6. 加入集智，一起复杂！

点击“阅读原文”，报名读书会