数据驱动的信号交叉口排队尾车驶离状态预测.pdfVIP

数据驱动的信号交叉口排队尾车驶离状态预测.pdf

  1. 1、本文档共14页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

吉林大学学报(工学版)

JournalofJilinUniversity(EngineeringandTechnologyEdition)

ISSN1671-5497,CN22-1341/T

《吉林大学学报(工学版)》网络首发论文

题目:数据驱动的信号交叉口排队尾车驶离状态预测

作者:卢凯明,陈艳艳,仝瑶,张健,李永行,罗莹

DOI:10.13229/ki.jdxbgxb

收稿日期:2013-07-26

网络首发日期:2024-01-08

引用格式:卢凯明,陈艳艳,仝瑶,张健,李永行,罗莹.数据驱动的信号交叉口排队

尾车驶离状态预测[J/OL].吉林大学学报(工学版).

/10.13229/ki.jdxbgxb

网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶

段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期

刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出

版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出

版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编

辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、

出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。

为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,

只可基于编辑规范进行少量文字的修改。

出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国

学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷

出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出

版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首

发论文视为正式出版。

网络首发时间:2024-01-0808:26:38

网络首发地址:/urlid/22.1341.t1321.001

数据驱动的信号交叉口排队尾车驶离状态预测

1,21,21,21,21,21,2

卢凯明,陈艳艳,仝瑶,张健,李永行,罗莹

(1.北京工业大学城市建设学部,北京100124;2.北京工业大学交通工程北京市重点实验室,北京

100124)

摘要:传统基于交通波/运动学理论构建的排队尾车驶离状态预测模型适用于稳态同质交通流,难以适应排队消

散的不确定性。为了解决上述问题,本文提出一种轨迹数据驱动的排队尾车驶离状态预测模型。分析排队消散轨

迹形态及潜在影响因素,以揭示排队尾车驶离状态的不确定性。从排队等待和车辆启动两个阶段入手,提出排队

尾车驶离状态影响特征集。基于极端梯度提升(XGBoost)算法构建排队尾车驶离状态预测模型,引入SHAP可

解释机器学习框架解析所有特征的贡献度,并确定最优特征组合及模型参数。研究结果表明,所提出的基于

XGBoost的尾车驶离时间预测模型平均绝对百分比误差(MAPE)为5.74%,比运动学模型预测精度提升约10%;

尾车驶离速度预测模型MAPE为9.98%,比运动学模型预测精度提升约6%,且预测性能均优于随机森

文档评论(0)

NJU原创课件PPT + 关注
实名认证
文档贡献者

南大教育教学研究室 原创文档

1亿VIP精品文档

相关文档