一种消除干扰因素对交通绩效评估影响的因果推断方法
应用统计
2023-08-08 v1
摘要
前后对比研究框架被广泛用于评估交通政策与新兴技术的有效性。然而，季节性因素、节假日和车道封闭等诸多因素可能通过引起前后时段交通量的变化而干扰评估过程。在实践中，消除这些因素影响的努力十分有限。本研究提出一种基于极端梯度提升（XGBoost）的倾向得分匹配方法，以减少前后时段交通量变化所导致的偏差。为评估所提方法的有效性，选取了亚利桑那州钱德勒市一条近期部署了先进交通信号控制系统的走廊。结果表明，该方法能够有效消除评估过程中由新冠全球大流行引起的交通量变化。此外，t检验与 Kolmogorov-Smirnov（KS）检验的结果表明，所提方法优于其他常规倾向得分匹配方法。该方法的运用也可迁移至其他前后对比评估研究，并能显著协助交通工程师消除交通量变化对评估过程的影响。
引用
@article{arxiv.2308.03545,
title = {A Causal Inference Approach to Eliminate the Impacts of Interfering Factors on Traffic Performance Evaluation},
author = {Xiaobo Ma and Abolfazl Karimpour and Yao-Jan Wu},
journal= {arXiv preprint arXiv:2308.03545},
year = {2023}
}