《表1 6 种交通场景下本方法模型的各评价指标对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于车辆身份感知数据的路段轨迹重构方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1为6种场景下本方法模型的各评价指标值.整体上本方法模型的估计误差表现出与交通状态的饱和程度呈负相关关系.其中，排队长度误差MOE1最大值为1.20 veh对应严重过饱和场景6，而在其余场景下该误差均低于1.00 veh；过车数误差MOE2的最小值和最大值分别为0.00和6.56%；排队次数估计准确率MOE3的最小值为88.69%对应严重过饱和场景6，而在其余场景下均高于90.00%.本方法模型的误差来源主要为:随着交通状态拥挤程度的增加，不同方向的交通流之间存在渐趋严重的相互干扰和阻塞现象.总体来看，本方法模型在各种饱和状态下均能达到令人满意的应用效果.