TY -的A2陈冯AU - Tang Jinjun AU -郑,兰兰盟——汉Chunyang盟——刘,方非盟- Cai, Jianming PY - 2020 DA - 2020/06/09 TI -交通事故间隙时间预测和影响因素分析使用极端的梯度增加模型SP - 6401082六世- 2020 AB -准确预测和可靠的重要因素的分析事件间隙时间的两个主要对象交通事件管理(TIM)系统,因为它可以帮助缓解交通拥堵造成的交通事故。本研究适用于极端的梯度提升机算法(XGBoost)来预测事件间隙时间在高速公路和分析间隙时间的重要因素。XGBoost集成了统计和机器学习方法的优越性,可灵活地处理非线性数据在高维空间和量化解释变量的相对重要性。收集到的数据从2011年的《华盛顿事件跟踪系统用于这项研究。调查潜在的哲学隐藏在数据, K——选择集群数据为两个集群。每个集群的XGBoost建立。贝叶斯优化XGBoost用来优化参数,和日军被认为是评价预测指标预测性能。比较研究证实XGBoost优于其它模型。此外,响应时间,AADT(年度平均每日流量)、事件类型和车道封闭类型被认为是重要的解释变量间隙时间。SN - 0197 - 6729你2020/6401082 / 10.1155——https://doi.org/10.1155/2020/6401082——摩根富林明-杂志的先进运输PB - Hindawi KW - ER