消除干扰因素对交通性能评估的因果推断方法
摘要：运输政策和新兴技术的有效性经常使用前后研究框架进行评估。然而，诸如季节因素、假期和车道封闭等许多因素可能会干扰评估过程，导致前后期间交通量的变化。实际上，在消除这些因素的影响方面，付出的努力有限。在本研究中，提出了一种基于极端梯度提升（XGBoost）的倾向分数匹配方法，以减少前后期间交通量变化引起的偏差。为了评估所提出方法的有效性，选择了亚利桑那州钱德勒市的一条走廊，该走廊最近实施了先进的交通信号控制系统。结果表明，所提出的方法能够有效消除COVID-19全球大流行期间评估过程中交通量的变化。此外，t检验和Kolmogorov-Smirnov（KS）检验的结果表明，所提出的方法优于其他传统的倾向分数匹配方法。所提出方法的应用也可转移至其他前后评估研究，并能够显著帮助交通工程师消除交通量变化对评估过程的影响。
作者：Xiaobo Ma, Abolfazl Karimpour, Yao-Jan Wu
论文ID：2308.03545
分类：Applications
分类简称：stat.AP
提交时间：2023-08-08