Traffic flow can be described using three dimensions, i.e., space x, time t and cumulative flow N. This study considers estimating the cumulative flow over space and time, i.e., $N(x,t)$, using relative flow data collected by stationary and moving observers. Stationary observers, e.g., loop-detectors, can observe flow at fixed position over time. Furthermore, automated or other equipped and connected vehicles can serve as moving observers that observe flow relative to their position over time. To present the value of relative flow data, in this paper, we take the perspective of a model-based estimation approach. In this approach, the data is used in two processes: (1) information assimilation of real-time data and models and (2) learning of the models used in information assimilation based on historical data. This paper focuses on traffic state estimation on links. However, we explain that, in absence of stationary observer that are positioned at the link boundaries, it is valuable to consider the information propagation over nodes. Throughout this study a LWR-model with a triangular fundamental diagram (FD) is used to develop the principles that can be used for the two processes. These principles are tested in a simulation (VISSIM) study. This study shows that we can find the traffic flow model parameters and can partially estimate the link boundary conditions based on relative flow data collected by moving observers alone. It also shows that the traffic flow behavior differs partially from the LWR-model with triangular FD, and therefore, we recommend the option to learn and use other traffic flow models in future research. Overall, relative flow data is considered valuable to obtain model learning datasets and to estimate the traffic state.

业务流可以使用三个尺寸，即，空间地描述X，时间吨和累积流量Ñ。本研究考虑估算随时间和空间的累积流量，即$ñ（X，Ť）$，使用固定和移动观察者收集的相对流数据。固定式观察器（例如回路探测器）可以随时间观察固定位置的流量。此外，自动或其他配备和连接的车辆可以充当移动的观察者，随着时间推移观察相对于其位置的流量。为了展示相对流量数据的价值，在本文中，我们从基于模型的估计方法的角度出发。在这种方法中，将数据用于两个过程：（1）实时数据和模型的信息同化；（2）基于历史数据学习信息同化中使用的模型。本文着重于链路的流量状态估计。但是，我们解释说，由于没有固定的观察者位于链接边界，考虑信息在节点上的传播是很有价值的。在整个研究过程中，使用带有三角形基本图（FD）的LWR模型来开发可用于这两个过程的原理。在仿真（VISSIM）研究中测试了这些原理。这项研究表明，我们可以找到交通流模型参数，并且可以基于仅由移动观察者收集的相对流数据来部分估计链路边界条件。它还显示交通流量行为与具有三角FD的LWR模型部分不同，因此，我们建议在将来的研究中选择学习和使用其他交通流量模型。总体而言，相对流数据被认为对于获取模型学习数据集和估计交通状况非常有价值。在整个研究过程中，使用带有三角形基本图（FD）的LWR模型来开发可用于这两个过程的原理。在仿真（VISSIM）研究中测试了这些原理。这项研究表明，我们可以找到交通流模型参数，并且可以基于仅由移动观察者收集的相对流数据来部分估计链路边界条件。它还显示交通流量行为与具有三角FD的LWR模型部分不同，因此，我们建议在将来的研究中选择学习和使用其他交通流量模型。总体而言，相对流数据被认为对于获取模型学习数据集和估计交通状况非常有价值。在整个研究过程中，使用带有三角形基本图（FD）的LWR模型来开发可用于这两个过程的原理。在仿真（VISSIM）研究中测试了这些原理。这项研究表明，我们可以找到交通流模型参数，并且可以基于仅由移动观察者收集的相对流数据来部分估计链路边界条件。它还显示交通流量行为与具有三角FD的LWR模型部分不同，因此，我们建议在以后的研究中选择学习和使用其他交通流量模型。总体而言，相对流数据被认为对于获取模型学习数据集和估计交通状况非常有价值。在仿真（VISSIM）研究中测试了这些原理。这项研究表明，我们可以找到交通流模型参数，并且可以基于仅由移动观察者收集的相对流数据来部分估计链路边界条件。它还显示交通流量行为与具有三角FD的LWR模型部分不同，因此，我们建议在以后的研究中选择学习和使用其他交通流量模型。总体而言，相对流数据被认为对于获取模型学习数据集和估计交通状况非常有价值。在仿真（VISSIM）研究中测试了这些原理。这项研究表明，我们可以找到交通流模型参数，并且可以基于仅由移动观察者收集的相对流数据来部分估计链路边界条件。它还显示交通流量行为与具有三角FD的LWR模型部分不同，因此，我们建议在将来的研究中选择学习和使用其他交通流量模型。总体而言，相对流数据被认为对于获取模型学习数据集和估计交通状况非常有价值。它还显示交通流量行为与具有三角FD的LWR模型部分不同，因此，我们建议在以后的研究中选择学习和使用其他交通流量模型。总体而言，相对流数据被认为对于获取模型学习数据集和估计交通状况非常有价值。它还显示交通流量行为与具有三角FD的LWR模型部分不同，因此，我们建议在以后的研究中选择学习和使用其他交通流量模型。总体而言，相对流数据被认为对于获取模型学习数据集和估计交通状况非常有价值。