为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。...为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。引入自适应鲁棒损失函数(adaptive robust loss function,ARLF)改进LightGBM模型损失函数,降低航班数据中存在离群值的影响;通过改进的麻雀搜索算法对改进后的LightGBM模型进行参数寻优,形成混合LightGBM模型。采用全国2019年全年航班数据进行验证,实验结果验证了方法的可行性。展开更多
为精确刻画匝道合流区客货混行条件下的车辆微观换道行为,本文以量化客货交互为切入点,构建并验证考虑货车影响的微观换道模型。首先,引入“压迫”概念,构建改进Morse势函数模型描述周边货车行驶对小汽车横纵驾驶行为产生的“压迫”影响...为精确刻画匝道合流区客货混行条件下的车辆微观换道行为,本文以量化客货交互为切入点,构建并验证考虑货车影响的微观换道模型。首先,引入“压迫”概念,构建改进Morse势函数模型描述周边货车行驶对小汽车横纵驾驶行为产生的“压迫”影响;随后,分析小汽车换道过程中的横纵向“压迫”变化,提出一种考虑货车“压迫”影响的车辆换道决策模型(Modified Morse-Based Lane-Changing model,MMBLC);最后,基于实测轨迹数据进行数值仿真,验证模型的稳定性与有效性,并进一步利用Python与SUMO(Simulation of Urban Mobility)联合仿真,对比MMBLC模型和现有换道模型在交通流中的表现。结果表明:在稳定性分析中,MMBLC模型对交通流的影响更小,恢复稳定的速度更快;在货车占比30%和交通量3600 veh·h-1的主路3车道客货混行匝道合流区中,MMBLC模型相比LC2013和MOBIL(Model of Optimal Control Based on Interacting Trajectories)模型,换道成功率分别提高11.9%和53.1%,危险场景占比分别降低10.5%和52.8%。展开更多
文摘为更精确地预测航班过站时间,将全国机场按照规模差异及不同地理位置所导致的客流量差异和天气差异对航班过站时间造成的不同影响进行分类,基于各类机场航班数据,构建混合轻量级梯度提升机算法(LightGBM)模型对航班过站时间分类预测。引入自适应鲁棒损失函数(adaptive robust loss function,ARLF)改进LightGBM模型损失函数,降低航班数据中存在离群值的影响;通过改进的麻雀搜索算法对改进后的LightGBM模型进行参数寻优,形成混合LightGBM模型。采用全国2019年全年航班数据进行验证,实验结果验证了方法的可行性。
文摘为精确刻画匝道合流区客货混行条件下的车辆微观换道行为,本文以量化客货交互为切入点,构建并验证考虑货车影响的微观换道模型。首先,引入“压迫”概念,构建改进Morse势函数模型描述周边货车行驶对小汽车横纵驾驶行为产生的“压迫”影响;随后,分析小汽车换道过程中的横纵向“压迫”变化,提出一种考虑货车“压迫”影响的车辆换道决策模型(Modified Morse-Based Lane-Changing model,MMBLC);最后,基于实测轨迹数据进行数值仿真,验证模型的稳定性与有效性,并进一步利用Python与SUMO(Simulation of Urban Mobility)联合仿真,对比MMBLC模型和现有换道模型在交通流中的表现。结果表明:在稳定性分析中,MMBLC模型对交通流的影响更小,恢复稳定的速度更快;在货车占比30%和交通量3600 veh·h-1的主路3车道客货混行匝道合流区中,MMBLC模型相比LC2013和MOBIL(Model of Optimal Control Based on Interacting Trajectories)模型,换道成功率分别提高11.9%和53.1%,危险场景占比分别降低10.5%和52.8%。
