基于机器学习的路表温度预估方法研究

依托实测路表温度与气象数据,基于路面温度场热平衡方程,分析影响路表温度的主要因素;选取历史路表温度与气象参数作为特征,通过LightGBM(轻量级梯度提升机)对中短时间尺度内的路表温度进行预估。结果表明,水泥、沥青2种路面短期(1 h)预估结果均方根误差分别为0.82,1.12℃,中短期(3 h)分别为1.31,1.86℃;允许误差在3℃内时,准确率在90%以上;水泥路面预估精度高于沥青路面,高温状况下预估精度稍低。采用LightGBM模型对路面温度预估的效果较好。