融合仿真与机器学习的交织区通行能力协同估计方法

来源：交通运输系统工程与信息杂志2025年第4期北京时间：

作者：荣建, 吴培佳, 高亚聪, 王益, 窦灏

单位：广州大学，土木与交通工程学院，广州510006

摘要：为克服现有方法在交织流量表征和影响因素量化方面的不足，本文融合微观仿真与机器学习方法，构建从仿真标定和影响因素作用机制分析到通行能力估计的研究框架。提出结合DBSCAN(Density Based Spatial Clustering of Applications with Noise) 聚 类 、信 息 熵 与 遗 传 算 法 的 DIEGA(DBSCAN Information Entropy Genetic Algorithm)仿真标定改进方法；通过仿真实验分析交织区长度( LW )、驶入流量( QRF )、驶出流量(QFR )与通行能力的关联关系；同时，构建基于堆叠策略的通行能力估计模型，并结合SHAP(SHapleyAdditive Explanation)方法剖析各影响因素的作用机制。结果表明：DIEGA标定方法可将交织区各流向延误误差控制在3%以内，较传统遗传算法的收敛速度提升22.2%；在总交织流量相同的情况下，QRF与QFR的不同占比会导致通行能力在约15%范围内波动，且QRF、QFR与LW之间存在非线性耦合关系；基于堆叠策略的随机森林机器学习(ML_RF)模型(R2=0.969)表现最佳，优于其他基线模型；SHAP分析显示，当QRF /QFR占比接近1，且LW的范围为250~350m时，可实现4635~4860pcu·h-1的峰值通行能力。

关键词：交通工程,通行能力估计方法,交通仿真与机器学习,交织区,可解释性分析

基金资助：广东省哲学社会科学规划青年项目 (GD24YGL31)；广州大学研究生创新能力培养项目 (JCCX2024-023)。