Adverse weather conditions have a significant impact on the safety, mobility, and efficiency of highway networks. Weather contributed to 23 percent of all non-reoccurring delay and approximately 544 million vehicle hours of delay each year (2014). Nearly 2.3 billion dollars each year are spent by transportation agencies for winter maintenance that contribute to close to 20 percent of most DOT’s yearly budgets (2014). These safety and mobility factors make it important to develop new and more effective methods to address road conditions during adverse weather conditions. Given weather and traffic sensors installed along side of the highway networks, how can we automatically detect weather and traffic change events and prevent from the traffic delay or harsh weather accidents? To this end, we propose a novel framework to address this problem. This paper develops techniques for efficiently detecting rapid weather change events and analyzing their impacts on the traffic flow characteristics of a highway network. It is composed of three components, including 1) detection of rapid weather change events in a highway network using the streaming weather information from a sensor network of weather stations; 2) detection of rapid traffic change events on the traffic flow characteristics (e.g., travel time) of the highway network; and 3) analysis of correlations between the detected weather and traffic change events in space and time. The proposed approach was applied to a weather dataset provided by New York State Mesonet and a traffic flow dataset the National Performance Management Research Data Set (NPMRDS) provided by NYSDOT. The empirical results provide potential evidence about the significant impacts of rapid weather change events on traffic flow characteristics of the Interstate 90 (I-90) Highway in the state of New York. We show the quantitative performance evaluation of our change event detection algorithm and three baseline methods on manually labeled the weather dataset and our method outperforms baselines in terms of precision, recall and F-score. We present the analysis of Top K detected change events as case studies and also provide the spatio-temporal correlation statistics of top k weather and traffic change events. The limitations of the proposed approach and the empirical study are also discussed.

中文翻译：

---

有效检测快速天气变化并分析其对公路网影响的技术

不利的天气状况对高速公路网络的安全性，流动性和效率产生重大影响。天气造成了所有非重复性延误的23％，每年（2014年）造成了约5.44亿车时的延误。运输机构每年用于冬季维护的费用接近23亿美元，占大多数DOT年度预算（2014年）的20％。这些安全和机动性因素使得开发新的，更有效的方法来应对恶劣天气条件下的道路条件变得很重要。在高速公路网络旁安装了天气和交通传感器的情况下，我们如何自动检测天气和交通变化事件并防止交通延误或恶劣天气事故？为此，我们提出了一个新颖的框架来解决这个问题。本文开发了有效检测快速天气变化事件并分析其对公路网交通流特征的影响的技术。它由三个部分组成，包括：1）使用来自气象站传感器网络的流式天气信息检测高速公路网络中的快速天气变化事件；2）根据高速公路网的交通流特征（例如，行驶时间）检测快速的交通变化事件；3）分析检测到的天气与时空变化事件之间的相关性。提议的方法应用于纽约州Mesonet提供的天气数据集，以及纽约州立大学提供的国家绩效管理研究数据集（NPMRDS）的交通流数据集。实证结果为快速天气变化事件对纽约州州际90（I-90）州际公路交通流量特征的重大影响提供了潜在证据。我们在手动标记天气数据集上显示了我们的变化事件检测算法和三种基线方法的定量性能评估，并且在精度，召回率和F评分方面，我们的方法优于基线。我们以案例研究的形式介绍对前K个检测到的变化事件的分析，还提供了对前k个天气和交通变化事件的时空相关统计。还讨论了提出的方法和实证研究的局限性。我们在手动标记的天气数据集上显示了我们的变化事件检测算法和三种基线方法的定量性能评估，在精度，召回率和F评分方面，我们的方法优于基线。我们以案例研究的形式介绍对前K个检测到的变化事件的分析，还提供了对前k个天气和交通变化事件的时空相关统计。还讨论了提出的方法和实证研究的局限性。我们在手动标记天气数据集上显示了我们的变化事件检测算法和三种基线方法的定量性能评估，并且在精度，召回率和F评分方面，我们的方法优于基线。我们以案例研究的形式介绍对前K个检测到的变化事件的分析，还提供了对前k个天气和交通变化事件的时空相关统计。还讨论了提出的方法和实证研究的局限性。我们以案例研究的形式介绍对前K个检测到的变化事件的分析，还提供了对前k个天气和交通变化事件的时空相关统计。还讨论了提出的方法和实证研究的局限性。我们以案例研究的形式介绍对前K个检测到的变化事件的分析，还提供了对前k个天气和交通变化事件的时空相关统计。还讨论了提出的方法和实证研究的局限性。