Abstract：
为更精准利用收费OD数据获取路网时空交通运行参数，提出一种机器学习预测服务区驶入与收费OD数据增量迭代相结合的计算交通运行状态的方法。首先利用机器学习方法开展服务区驶入预测，通过调查获取23 515份问卷数据，利用随机森林模型、支持向量机、朴素贝叶斯模型3种机器学习方法开展训练和预测精度敏感性分析，结果表明进入服务区最小概率阈值P_t存在最大峰值，当P_t为0.9左右时，总体预测结果精度最高，此外随机森林法在不同类别收费形式和车型中均表现出较为显著的精度优势。然后以短距离出行OD数据为初始值，推测基本路段行程时间，以距离阈值P_F的倍数为时间隔，采用由近及远的方式增量计算路网运行状态，先前迭代...
Keyword：
Reprint Author's Address：
Email：
Source ：
中国公路学报
Year： 2022
Issue： 03
Volume： 35
Page： 205-215
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 19
Affiliated Colleges：
