PMA-Diffusion: Physik‑geleitete Masken‑Diffusion für Verkehrs­zustands­schätzung

High‑Resolution-Verkehrsdaten sind entscheidend für intelligente Transportsysteme, aber die üblichen Messungen sind oft zu spärlich und verrauscht, um die komplexen Verkehrs­dynamiken genau abzubilden. Mit dem neuen Ansatz PMA‑Diffusion – einer physik‑geleiteten, masken‑bewussten Diffusions‑Methodik – können bislang unvollständige Geschwindigkeitss­felder an Autobahnen aus wenigen Messpunkten rekonstruieren.

Das Modell trainiert einen Diffusions‑Prior direkt auf spärlich beobachteten Feldern und nutzt zwei Masken‑Strategien: Single‑Mask und Double‑Mask. Beim Inferenz‑Schritt schaltet ein physik‑geleiteter Posterior‑Sampler abwechselnd Rück‑Diffusion, Beobachtungs‑Projektion und physik‑basierte Glättung ein, um die fehlenden Daten zu füllen.

Auf dem I‑24‑MOTION‑Datensatz, selbst bei nur 5 % Sichtbarkeit, übertrifft PMA‑Diffusion alle Vergleichs‑Methoden in drei Rekonstruktions‑Messgrößen. Interessanterweise erreicht ein Modell, das ausschließlich mit spärlichen Beobachtungen trainiert wurde, nahezu die gleiche Leistung wie ein Basismodell, das mit vollständig beobachteten Feldern trainiert wurde.

Die Ergebnisse zeigen, dass die Kombination aus masken‑bewusstem Diffusions‑Prior und physik‑geleitetem Posterior‑Sampler eine robuste und flexible Lösung für die Verkehrs­zustands­schätzung unter realen Mess‑Sparsität‑Bedingungen darstellt.