高速公路交织区汇入行为预测研究

构建高速公路交织区汇入决策模型,准确预测车辆汇入行为可以有效地减少汇入风险,缓解因不恰当汇入行为导致的高速公路拥堵。本文提出一种基于CART分类树的车辆汇入行为预测模型,基于NGSIM车辆轨迹数据并综合选取14个影响汇入行为的特征变量对模型进行验证与分析。由预测结果可知:模型的预测效果较好,泛化程度较高,其分类准确率,真正类率和真负类率分别为98.4%,98.5%和94.7%;与二项逻辑回归模型及支持向量机模型预测结果进行对比,分析结果表明CART分类树模型在预测交织区汇入行为上具有更高的准确率与正确率,并表现出更优异的性能。由变量敏感性分析结果可知:汇入车辆速度、辅助车道上前车与主体车辆之间的距离、主体车辆的超车时间等对交织区汇入行为具有重要影响。