阿联酋已开发出一种新工具，该工具可以通过监视几条道路来在一天之初帮助预测和管理交通流量，以减少交通拥堵。

纽约阿布扎比（NYUAD）联合开发的预测性交通工具可以使交通工程师通过监视几条道路的交通性能，在一天中的早期识别交通模式。结果，他们将能够开发出针对特定交通状况量身定制的更好的交通管理方案，该方案将在任何给定的一天进行观察。

纽约大学公共工程学院土木与城市工程学副教授兼城市研究中心主任莫妮卡·梅嫩德斯（Monica Menendez）在一项题为“解开城市交通节奏：一年以来MFD模式的纵向分析”的新研究中，解释了如何使用一年的高分辨率瑞士苏黎世和卢塞恩的流量数据，以证明该年观察到的任何日常流量模式都在几个代表性模式之内。

这项研究是与苏黎世联邦理工学院交通规划与系统研究所的LukasAmbühl和Allister Loder以及里昂大学的古斯塔夫·埃菲尔大学的Ludovic Leclercq合着的。

该发现尽管基于两个特定的城市，但有望代表全世界其他许多城市的人类行为。他们认为，利用这些洞察力，他们可以提供一种预测方法，以便在清晨很早就检测出一天中其余时间的预期流量模式。这些新发现发表在《运输研究C部分：新兴技术》杂志上。

为了开发这种新工具，研究人员介绍了一种使用宏观基本图（MFD）概念的方法，该方法可对网络范围的流量性能进行有效描述，并提供基于动态时间规整（DTW）的时间序列算法。

这使他们能够派生出一些具有代表性的MFD集群，以捕获基本的宏观交通模式。然后，他们提供了网络中流量异质性的深入分析，该分析表明了先前发现的群集。随即，他们定义了一种简化的分类方法，可以在清晨准确地预测预期的MFD群集。

Menendez说：“通过这项研究，我们从宏观交通角度确认了人类出行的规律性。”“此外，我们开发了新的预测工具，可以通过仅监视几条道路来在一天的早期识别交通模式。这一点至关重要，因为我们旨在开发针对特定交通状况量身定制的更好的交通管理方案，该方案将在任何一天被观察到。”