两件事，激发了想法
A. 审稿：虽然感觉很多论文内容还可以，但是总感觉活儿很糙。
直到前几天，终于蹦出两个词儿：Neat and Elegent。于是乎，写在comments的最后：In general, the current form of the paper is not neat and elegant. I hope the authors could do more efforts to polish it again. 通俗点说：您了的文章还不够美（这里要用天津话来演绎）！

B. 看《网络科学导论》读到大名鼎鼎的WS小世界模型，迅速联想到NaSch model。然后思考自己的工作，那个simple data-driven car-following model有点这个意思。插一句：最近几篇也有点意思。简单来说，就是简约美。不够，那种奢华美，还不知道是如何与科研成果对应起来。

言归正传，科研中的大道至简/简约美/Neat and Elegant以如下两个研究为典范
1. WS小世界网络模型
Watts, D. J., Strogatz, S. H. (1998). "Collective dynamics of 'small-world' networks". Nature. 393 (6684): 440–442. 截至2018年3月，google scholar引用35590
在规则网络上，引入随机链接概率p，便可还原小世界特征，构建起规则网络到随机网络的桥梁。

2. NaSch元胞自动机模型
Nagel, K., Schreckenberg, M. (1992). "A cellular automaton model for freeway traffic". Journal de Physique I. 2 (12): 2221. 截至2018年3月，google scholar引用4313（尼玛要不咋说交通是小学科呢）
在确定车辆移动规则中，引入慢化概率p，便可以还原车辆的走走停停现象，构建起交通顺畅到拥堵的桥梁。

大道若简之范式：
确定性特征，引入概率p，还原随机特征，其中p从0到1则为确定到完全随机的桥梁。
尼玛，泄露天机了……

OK，我的工作，有点这个（大道至简/简约美/Neat and Elegant）味道的是：
3. 数据驱动的跟驰模型
Zhengbing He et al., 2015. A simple nonparametric car-following model driven by field data. Transportation Research Part B: Methodological, 80(2015), pp.185–201.
车辆面对的当前场景（四个变量），输入历史（场景）数据库，（按欧氏距离）找到最相似的几个场景，取平均，得到当前场景对应的车辆反应，实现车辆的前进。

4. 沿交通波速度构造交通时空图
Zhengbing He et al., 2018. Constructing spatiotemporal speed contour diagrams: using rectangular or non-rectangular parallelogram cells? Transportmetrica B, doi: 10.1080/21680566.2017.1320774.
研究问题很小（就是告诉大家沿着交通波速度构造时空图效果更好），但是通过一系列细致的分析，回答一个问题，这个问题因为交通时空图本身的基础性和重要性而重要。

5. 交通时空图对应的碳排放模型
Zhengbing He et al., Estimating Carbon Dioxide Emissions of Freeway Traffic: A Spatiotemporal Cell-based Model, under review. 就是一个拟合模型，但是运用的比较巧妙，回头再说吧，不吹了……

“数据驱动的跟驰模型”模拟的走走停停交通波

沿交通波速度构造交通时空图 (a-b)传统矩形 (c-d)沿交通波方向