机器学习驱动下的城市混合交通流路网韧性影响因素研究
许晶晶1，焦朋朋1*，吕 远2
(1. 北京建筑大学 通用航空技术北京实验室，北京 100044; 2. 住房和城乡建设部科技与产业化发展中心，北京 100835)
摘 要： 基于交通流结构特征、网络拓扑属性、出行需求特征和扰动特征构建了多维城市路网韧性影响因素体系，采用随机森林、梯度提升和决策树3种机器学习算法构建了韧性指数预测模型并进行了综合对比。通过特征重要性分析与累积贡献率评估，识别出了关键韧性影响因素以及多因素耦合作用下的非线性韧性演化规律。研究发现，随机森林、梯度提升与决策树模型均能用于刻画多因素耦合作用下的路网韧性非线性演化规律;随机森林模型在韧性预测中兼顾了高预测精度(R2=0.923 1)与良好泛化能力，表现优于梯度提升模型与决策树模型，更适用于韧性影响因素的识别与重要性分析;包括CAV渗透率和不同跟驰模式比例因素在内的车辆组成与行为类影响因素对韧性指数的累计贡献率超过62%，是影响城市路网韧性的核心因素。
关键词： 城市路网; 韧性评估; 机器学习; 随机森林; 网联自动驾驶车辆; 混合交通流
基金项目： 北京市社会科学基金(21GLA010)
引文格式： 许晶晶，焦朋朋，吕远. 机器学习驱动下的城市混合交通流路网韧性影响因素研究[J]. 市政技术，2026，44(7)：1-10，18. (Xu Jingjing，Jiao Pengpeng，Lü Yuan. Analysis of influencing factors on the resilience of urban road networks of mixed yraffic flow by machine learning[J]. Journal of Municipal Technology，2026，44(7)：1-10，18.)