基于PL-SEM的城市快速路交通噪声预测模型 .pdfVIP

基于PL-SEM的城市快速路交通噪声预测

模型

作者：***

来源：《西部交通科技》2023年第09期

基金项目：2020年度广西高校中青年教师科研基础能力提升项目“城市快速路交通噪声声

屏障设计与优化研究”（编号：2020KY34012）

作者简介：黄日明（1992—），硕士，工程师，讲师，研究方向：建筑技术。

摘要：文章提出一个结合贝叶斯网络BN与偏最小二乘结构方程PLS-SEM建立的道路交

通噪声模型。该模型探究影响道路交通噪声的因素及其关联指标，确定了交通流量、道路情

况、平均车速、气候条件与建筑环境这五个影响因素对道路交通噪声的直接和间接影响，为规

划人员以及决策者了解交通噪声影响因素的内在关系并部署道路交通噪声缓解策略提供了依

据。

关键词：PL-SEM;交通噪声;预测模型

+

中图分类号：U491.91

引言0

道路交通是道路旁最具侵入性的噪声污染源。为了预测交通噪声，国内外提出了几种传统

模型，例如美国的FHWA、德国的RLS90、挪威、丹麦和瑞典的Nord2000模型等，但这些

传统模型考虑的影响因素比较有限。文献表明，交通特征、道路特征、气候条件、建筑环境等

［］

会显著影响道路交通噪声1，因此，基于以上影响因素开发符合当地具体驾驶行为、城市特

征和道路条件的交通噪声模型十分有意义。国内外学者采用不同的方法来预测交通噪声，包括

［］

多元线性回归、人工神经网络、遗传算法、决策树、随机森林等人工智能方法2。而SEM被

证明是一种功能强大的算法集因子分析、路径分析和多元线性回归分析等多种多元技术扩展，

可以探索直接与间接变量之间的相互依赖关系。然而，传统的SEM方法假设数据在建模过程

中是均匀且正态分布的，偏最小二乘结构方程建模（PLS-SEM）是传统SEM方法的替代方

［］

法，它放宽了均匀性和正态分布的假设3。此外，PLS-SEM适用于小样本量（＜100个现场

数据样本），是预测和理论开发的首选。

因此，本文采用结合了贝叶斯网络BN的PLS-SEM方法针对南宁市城市快速路的清厢快

速路的交通噪声建立预测模型，可以更加了解城市快速路交通噪声特点，并为减轻交通噪声对

沿线居民的影响提供参考依据。

结合贝叶斯网络的偏最小二乘结构方程1

贝叶斯网络（BN）是一种多元统计方法，它建立概率图形模型结构来表达变量之间的不

确定问题。BN过程分为两个部分，即定性和定量部分。定性成分表示为有向无环图

（DAG），而定量成分表示为条件概率表（CPT）。DAG表示变量之间的依赖性和独立性，

节点之间通过弧的因果联系，而节点代表观察到的或未观察到的变量。在此过程中，弧所指向

的节点称为父节点，而节点弧指向的方向称为子节点。DAG确保没有节点是它自己的前身或

［］

后代，并允许计算一组随机变量的联合概率分布4。

此外，CPT表示一组随机变量之间因果关系的强度，并定量估计变量之间的概率相关性。

使用马尔可夫性质为每个节点生成条件概率分布以分析定量参数。一组随机变量的条件概率使

用式（1）计算。

式（1）中，P（X|Y）表示在已知事件Y发生的情况下，事件X的概率，使用式（2）根

ii

据CPT确定一组给定变量（X，X…，X）的联合概率。

12n

而偏最小二乘结构方程建模（PLS-SEM）分为两个部分，分别是实测模型和结构模型。实

测模型也称为外部模型，包括每个因素及其相关指标之间的单向预测关系，如式（3）所示。

实测模型反映了验证性因素分析，使研究人员能够测试和确认结构的关系模式及其潜在指标。

［］

结构模型也称