科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现山区高速公路路表温度的实时精准预估，以云南省麻昭高速公路2年的分钟级气象数据为基础，采用SHAP归因分析法筛选重要特征参数组合作为模型输入，采用随机森林算法构建不同路面状态下的山区高速公路路表温度实时估计模型，并与LightGBM、XGBoost、多元线性回归（MLR）等经典模型进行对比，综合分析模型的准确度。结果表明：（1）干燥和潮湿两种路面状态下的交通气象特征对路表温度的贡献重要度排序不尽相同；（2）干燥状态下的模型最佳输入组合为气温+时间+相对湿度+气压，潮湿状态下的模型最佳输入组合为气温+气压+时间+相对湿度+湿滑系数；（3）相较于3个比较模型，SHAP-RF模型的预估效果最佳，在干燥和潮湿状态下的MAE分别为1.046℃和0.367℃。研究成果可为山区高速公路低成本交通气象环境智能感知与冰雪灾害防治技术提供依据。
- 单位
