城市快速路匝道车辆汇入影响因素识别与行为预测

分析了美国US101快速路瓶颈路段(简称“US101”) 和上海市延安高架上虹许路匝道瓶颈路段(简称“SHHX”) 的车辆轨迹数据, 研究了城市快速路入口匝道车辆的汇入行为; 考虑了汇入行为的13个瞬时影响因素和25个历史经历影响因素, 采用随机森林算法对38个影响因素进行重要度排序, 并识别关键影响因素; 分别对2个瓶颈路段构建了贝叶斯网络汇入行为预测模型, 并评价了模型预测精度。
分析结果表明: 瓶颈路段US101和SHHX共有14个关键影响因素, 包括6个历史经历影响因素, 其中瓶颈路段US101和SHHX历史经历影响因素分别占关键影响因素总数的45.45%、36.36%, 说明汇入行为的历史经历影响因素对最终汇入决策有显著的影响; 考虑历史经历影响因素的贝叶斯网络模型预测精度较高, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别提高了2.53%、8.85%, 其中未考虑历史经历影响因素时, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别为87.94%和73.17%, 考虑历史经历影响因素时, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别为90.47%和82.02%;此外, 预测模型无过度拟合, 测试集汇入事件与非汇入事件的预测精度之差在1.2%以内。