Vehicle speed dataset for the major European road network derived from Sentinel-2 imagery, 2022-2026
本文通过分析 Sentinel-2 卫星图像中移动车辆的波段间位移，引入了一个涵盖 2022–2026 年间欧洲主要 E 线公路个体车辆速度的大陆级数据集，旨在支持交通模式分析与运输建模。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
为了了解人们如何在整个大陆上移动，我们通常需要对他们进行计数。几十年来，交通工程师一直依赖埋在沥青中的传感器或安装在电线杆上的摄像头来测量汽车的行驶速度。这些工具很精确，但它们只能看到其正下方的道路。如果一辆车行驶在挪威偏远的公路上或波兰的次级道路上，它可能会完全不被察觉。其他方法，例如使用驾驶员手机上的导航应用数据，虽然提供了更广阔的视野，但它们只能捕捉到那些同意分享位置信息的车辆，这往往会导致图像向特定群体或地区倾斜。为了获得一张关于欧洲交通实际流向的完整且无偏见的地图，科学家们长期以来一直需要一种能够从高空观察道路的方法，而无需征得驾驶员的许可，也不需要在地面上安装新的硬件。
一组研究人员现在正好提供了这种方法，他们创建了一个庞大的新数据集，仅利用卫星图像即可追踪整个欧洲主要公路网上的车辆速度。通过分析由欧洲航天局 Sentinel-2 卫星拍摄的图像，他们绘制了 2022 年至 2026 年间高速公路、干道以及一级和二级路线上单辆汽车的速度。这项工作将一张标准的照片转化为一部动态影像，让科学家们不仅能看到汽车在哪里，还能看到它们移动得有多快，而无需接触道路。
这一发现的奥秘在于现代卫星拍摄图像时的一个特性。大多数卫星会在同一瞬间捕捉所有的光色——蓝、绿、红。然而，Sentinel-2 卫星使用的是一种称为“推扫式扫描仪”（push-broom scanner）的不同方法。它不是捕捉一个瞬间，而是逐行扫描地面，快速连续地捕捉蓝光、绿光和红光。由于卫星以每小时数千公里的速度移动，在蓝色传感器看到地面上的特定位置与红色传感器看到该位置之间，存在着极短的时间差。如果一辆车在这一瞬间内行驶得足够快，它在同一张图像的蓝、绿、红三个图层中就会出现在略微不同的位置。
研究人员构建了一个复杂的计算机程序来搜寻这些细微的变化。当车辆移动时，它会在三个颜色波段中留下一个微弱的“回声”，表现为一个在不同颜色之间发生了轻微偏移的亮点。软件会扫描数百万个路段，寻找这些发生位移的光点峰值。一旦找到匹配项，它就会将这三个位置连接起来，形成一条短路径。通过准确获知蓝色和红色图像之间经过了多少时间，并测量汽车在那个时间内移动了多远，系统便可以计算出车辆的地速。这个过程将静态图像转化为动态测量，揭示了汽车在沿路行驶时的速度。
生成的数据集规模巨大，包含了近 2200 万条欧洲单辆汽车观测记录。每条记录都包括汽车行驶的路径、估计速度、行驶方向以及卫星拍照的确切时间。数据涵盖了 2022 年至 2026 年，并侧重于欧洲网络中最重要的道路，包括由开源地图数据库 OpenStreetMap 定义的高速公路和主要干道。研究人员通过将卫星测量结果与已知的物理极限进行对比，并运行模拟实验以确保数据合理，从而验证了他们的方法。他们发现，尽管该方法功能极其强大，但也存在天然的局限性：它最适用于中高速行驶的汽车，而对于行驶非常缓慢或与路面融合得太好的车辆，检测效果可能较差。
这项工作代表了我们观察交通方式的一次重大转变。与依赖固定传感器或自愿数据共享的传统方法不同，这种方法完全依赖于卫星自身的运动和光的物理特性。它提供了一个一致的、覆盖全大陆的视角，不会受到传感器安装位置或哪些驾驶员选择分享数据的偏差影响。研究人员已将整个数据集及用于创建该数据的代码免费向公众开放。这意味着城市规划者、气候科学家和应急响应人员现在可以使用这种独立、可重复且覆盖整个欧洲公路网的信息源，来研究交通模式、模拟排放情况或规划疏散路线。该数据捕捉了一个特定的时间片段——主要是卫星经过上空的上午晚些时候——但它提供了一个关于车辆如何在整个大陆移动的基础性事实层，而这在以前是无法如此大规模地收集到的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。