数字工程 | 融合多源数据与机器学习的交通量估算

Improved non-coverage annual average daily traffic estimation using openly available infrastructure data

A. A. Taiwo、B. Shuaib、G. Comert、N. Begashaw、J. A. Owusu

摘要：

1. 引言

年平均日交通量（AADT）是交通基础设施规划、道路安全评价、环境影响评估和投资决策中的重要指标。准确的交通量估计还能够支持路面维护、拥堵缓解和排放分析。

然而，永久性交通计数站的建设和维护成本较高，难以覆盖整个道路网络，因此大量农村和地方道路缺乏直接交通观测。已有研究主要采用短期交通计数外推、回归模型和机器学习等方法进行AADT估算，但现有方法往往依赖单一类型的数据，对道路、事故和基础设施等异构数据的联合利用仍较有限。

针对这一问题，本文提出融合道路属性、交通事故记录和清洁能源基础设施元数据的数据融合机器学习框架，并通过堆叠集成提高预测性能，同时利用SHAP分析解释影响AADT预测的主要因素。

2. 文献综述

3. 方法

3.1 研究框架

研究主要包括数据获取、空间数据融合、特征工程与预处理、模型训练以及集成与解释五个阶段。研究使用Caltrans AADT交通数据、SWITRS交通事故数据和清洁交通项目（CTP）基础设施数据，并通过空间匹配将不同来源的数据关联到道路路段。

3.2 数据来源与数据融合

研究使用2023年的三类数据：Caltrans AADT交通计数数据、SWITRS交通事故记录以及CTP基础设施元数据。研究利用经纬度进行最近邻匹配，其中CTP项目采用KD-tree进行匹配，交通事故采用BallTree进行匹配，并设置约1公里的最大匹配距离。

模型目标变量AVG_AADT由道路两个方向的AHEAD_AADT和BACK_AADT取算术平均得到，而这两个方向的交通计数并未作为预测变量输入模型，以避免数据泄漏。

3.3 特征与预处理

模型特征包括经纬度、项目资金、CES评分、道路路线和区域信息，以及交通事故中的死亡人数和受伤人数等指标，同时包含燃料类型、道路类型、城市、县、天气和路况等类别变量。

预处理包括删除缺失空间坐标的数据、进行空间匹配、构建AADT目标变量、聚合交通事故特征以及类别变量编码。

3.4 模型及训练方法

研究比较了树集成模型、线性及正则化回归、K近邻和浅层神经网络等模型，并使用AutoML完成预处理、超参数搜索、Bagging、K折交叉验证和最终堆叠集成。

3.5 超参数优化

AutoML根据交叉验证结果自动搜索不同模型的超参数，以降低预测误差，并进一步组合不同基础模型的预测结果形成堆叠集成模型。

3.6 计算环境

研究使用Python完成数据处理、机器学习建模、AutoML训练、空间数据匹配和SHAP模型解释。

3.7 对比方案、误差分析与统计检验

研究分别比较交通数据、能源数据和融合数据三种特征配置，并采用MAE、RMSE、R²和MAPE评价模型性能。同时按照低、中、高三个AADT区间进行误差分析，并通过Wilcoxon符号秩检验比较堆叠集成和随机森林的预测差异。

4. 结果：不同特征数据的建模与评价

总体结果显示，在三种特征配置下，堆叠集成模型均比随机森林具有更低的预测误差。其中，仅使用交通数据和能源数据时，MAPE均较高；融合多源数据后，预测误差明显降低。

4.1 仅使用交通数据的建模

交通数据模型能够捕捉整体交通量变化趋势。随机森林的MAE为25,027辆/天，R²为0.75；堆叠集成将MAE降低至18,130辆/天，R²提高至0.84。但对于非常高的交通量路段，模型仍存在低估现象。

4.2 仅使用能源数据的建模

能源数据能够提供一定的交通量预测信息，但单独使用时预测能力有限。随机森林MAE为43,439辆/天，R²为0.38；堆叠集成将MAE降低至33,559辆/天，R²提高至0.52。

4.3 混合数据集建模：综合预测分析

融合交通、事故和能源基础设施数据后，模型性能显著提高。随机森林的MAE为985辆/天，RMSE为5169辆/天，R²为0.99，MAPE为5.15%；堆叠集成进一步将MAE降低至570辆/天，RMSE降低至1415辆/天，MAPE降至3.73%，R²保持在0.99。

SHAP分析显示，经纬度、CES评分、项目资金、燃料类型以及事故死亡和受伤人数等变量对预测结果具有较大影响。空间误差分析表明，洛杉矶、旧金山湾区和萨克拉门托等城市区域的预测误差较低，而农村和欠发达道路的误差相对较高。

5. 结论

本文提出了一种融合交通属性、交通事故记录和清洁能源基础设施元数据的数据融合机器学习框架，用于估算缺乏直接交通监测的道路路段交通量。

研究结果表明，随着互补数据源的加入，模型的预测精度和稳定性得到明显提升。堆叠集成在不同特征配置下均优于随机森林，融合数据配置取得最佳结果，R²约为0.99，MAE约为570辆/天，MAPE低于4%。SHAP分析进一步表明，空间位置、环境负荷、基础设施投资以及聚合后的交通事故指标是重要影响因素。

关注公众号，后台回复“DE”即可下载原文