基于数据驱动的迁移学习框架用于估计转向交通流量

本研究针对城市交通管理中转向交通流量计数（TMCs）获取的成本高和技术挑战的问题，提出了一种利用迁移学习的新框架。通过结合交通控制事件数据、道路基础设施数据及兴趣点数据，该框架在亚利桑那州图森市的30个交叉口进行了评估，结果显示其在平均绝对误差和均方根误差方面表现优于现有的八种回归模型，具有显著的实际应用潜力。