基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。      

交通事件影响分析传递函数—噪声模型

着重探讨了干预型交通事件影响分析传递函数-噪声模型的一般形式，及其识别、标定与检验的方法，并应用该模型对高速公路隧道内交通事件的交通量的影响进行了分析。     

轴载调查及数据的应用

简要介绍了车辆轴载调查的意义和方法，并结合我省此项工作开展情况，进行了社会经济效益分析。     

试论公路交通情况调查统计工作的管理体制和运作机制

根据本地区公路交通量调查统计工作的实际情况，本文作者谈了对公路交通情况调查统计工作管理体制和运作机制的一些观点和看法，并提出了自己的设想。     

交通量预测中组合预测参数估计方法的研究

在现有文献研究的基础上，对组合预测模型中权系数的估计问题作了进一步研究，给出了两种估计方法，即最小平方法和最小方差法，讨论了权系数的约束条件和组合预测效果评价问题。     

砂石路面养护中几个问题与交通量的关系

介绍交通量与砂石路面养护关系的定量分析     

设计小时交通量的USRDHV模型的开发（1）

一、前言设计小时交通量(DHV)是1小时的交通量,并以此作为设计条件。确定设计小时交通量的传统方法是按大小次序绘制一个表明一年中最高小时交通量图,并以第30位高峰小时交通量作为郊区公路的设计小时交通量。因为在该点的小时交通量曲线变化很快,而且“对设计来说是一个最经济的交通量”。如果变化很快的点不是第30位高峰小时,则设计小时交通量就选用曲线拐点处的交通量。过去,公路设计人员已经提出了一些常用的设计小时交通量方法的合理性问题。其中一种意见认为,交通设施的使用很少或没有考虑道路用户。在传统的方法中,“道路”允许在     

交通工程中线性回归模型的假设检验和模型诊断

线性回归分析是交通工程中常用的方法。本文从线性模型的基本假设出发，探讨了线性回归模型满足的一般条件，对模型假设检验进行了讨论，同时对初中中存在的误区和忽视的问题进行了讨论，特别强调了判决系数和残差分析在模型诊断中的应用。