发表在《智能交通系统杂志》上的一项名为“用于估计入口匝道和出口匝道交通流量的数据驱动迁移学习框架”的新研究介绍了一个使用迁移学习的数据驱动框架，该框架可以从干线环路检测器数据中准确估计高速公路匝道流量。
纽约州立大学理工学院交通工程助理教授Abolfazl Karimpour博士和亚利桑那大学的同行参与了这项研究。
Karimpour解释说，为了制定最合适的控制策略，监控、维护和评估高速公路交叉区域的交通状况，交通部门需要了解每一对匝道和匝道的交通流量。然而，坡道流量并不总是适用于运输机构。
根据Karimpour及其同事新提出的框架估算的匝道流量，可以帮助运输机构在没有安装物理传感器的地方加强其匝道控制策略的操作。
更多信息:马晓波等，基于数据驱动的匝道交通流迁移学习框架，智能交通系统学报(2024)。DOI: 10.1080/15472450.2023.2301696由纽约理工学院提供引文:运输机构改善匝道控制策略的框架(2024年1月19日)检索自2024年1月22日https://techxplore.com/news/2024-01-framework-agencies-ramp-strategies.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
