城市交通中货运与客运量的短期滞后互动：可解释机器学习揭示的跨方式与方式内效应
Short-term lagged interactions between freight and passenger volumes in urban traffic: inter- and intra-modal effects with explainable machine learning
发表于 2026年2月14日 · 收录于雷达 2026年11月5日
中文摘要
研究利用英国利物浦6,003条小时记录，结合K-means聚类、XGBoost分类和DALEX可解释性工具，分析货运与客运流量的短期关联。结果显示，滞后一小时的货运量能显著改善当前客运交通状态分类，反向作用有限；货运量是重要预测因素，超过约每小时500辆时与客流下降相关。