典型文献
基于梯度提升决策树的汇合交互作用研究
文献摘要：
为了研究高速公路目标车道领跟车在交织区与汇合车辆的交互作用,基于梯度提升决策树(GBDT)建立交织区汇合交互作用模型.引入目标车道领跟车与前车、后车和汇合车辆的速度差、时间间隙、冲突评价指标及横向位置,分析汇合车辆与领跟车之间的交互行为.利用美国NGSIM数据集中目标车道领跟车与汇合车辆的轨迹数据对模型进行训练和测试,比较不同损失函数对模型的拟合效果,对汇合加速度进行偏效应分析.研究结果表明,基于平方损失函数(LS)的GBDT模型精度高于基于最小绝对偏差(LAD)和胡贝尔(Huber-M)损失函数的模型.在汇合行为的各研究对象中,汇合车辆的预测精度高于领跟车,汇合车辆的横向位置在汇合交互作用中的影响程度最高.GBDT模型用于汇合交互行为不仅可以准确预测目标车道领跟车与汇合车辆之间的交互作用,也能够获取影响变量与加速度之间隐藏的非线性关系.
文献关键词：
公路运输;交织区;梯度提升决策树(GBDT);汇合交互作用;数据挖掘
中图分类号：
作者姓名：
李根;翟伟;邬岚
作者机构：
南京林业大学 汽车与交通工程学院,江苏 南京 210037
文献出处：
引用格式：
[1]李根;翟伟;邬岚-.基于梯度提升决策树的汇合交互作用研究)[J].浙江大学学报（工学版）,2022(04):649-655
A类：
汇合交互作用
B类：
梯度提升决策树,高速公路,车道,交织区,GBDT,立交,前车,后车,速度差,横向位置,交互行为,NGSIM,轨迹数据,损失函数,拟合效果,合加速度,偏效应,平方损失,LS,模型精度,LAD,胡贝尔,Huber,准确预测,影响变量,非线性关系,公路运输
AB值：
0.295788
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
