《Smart Cities》：Optimizing Public Transport Infrastructure Through AI-Driven Reliability Prediction: A Data-Driven Approach
编辑推荐：
公共交通可靠性在很大程度上决定了智慧城市出行系统的性能，因为它直接影响乘客满意度和网络效率。然而，公共交通基础设施的战略规划通常是在没有动态、数据驱动的运营性能洞察的情况下进行的，而仅仅依赖于网络运营的静态历史记录。本研究开发了一种基于XGBoost机器学习算
公共交通可靠性在很大程度上决定了智慧城市出行系统的性能，因为它直接影响乘客满意度和网络效率。然而，公共交通基础设施的战略规划通常是在没有动态、数据驱动的运营性能洞察的情况下进行的，而仅仅依赖于网络运营的静态历史记录。本研究开发了一种基于XGBoost机器学习算法的数据驱动框架，通过预测延迟严重性和识别城市公交线路上的可靠性热点，支持基础设施干预措施的优先级排序。延迟严重性被分为三个类别（轻微、中度和严重），使用的模型融合了空间、时间、运营和气象变量。XGBoost框架实现了高预测性能，出站和进站公交线路方向的分类准确率分别为91.5%和89.7%。特征重要性分析表明，季节性和气象变量是影响延迟严重性的关键因素，凸显了更广泛的外部环境条件对走廊性能的作用。此外，空间分析识别出具有高延迟概率的特定公交站点，指示了应在站点和走廊层面优先进行基础设施升级的热点区域。本研究提出了一种决策支持工具，能够在最需要的地点实现有针对性的基础设施投资，从而为智慧城市中更高效和更具韧性的公共交通系统做出贡献。
**论文解读：基于XGBoost的公共交通基础设施优化研究**
**研究背景与问题**
公共交通是可持续和智慧城市发展的关键要素。随着城市化进程加速（预计205年欧洲城市化率将达83.7%），私家车数量增加导致城市拥堵和交通事故频发。公共交通系统需具备足够的吸引力以提升乘客满意度，而运营可靠性（尤其是等待时间和出行时间的可预测性）是乘客满意度的核心因素。然而，提升服务质量需要大量物理和运营基础设施干预，如专用公交车道、公交信号优先（TSP）系统及升级乘客设施，这些措施在密集城市环境中需要巨额财政资源和复杂的空间协调。当前战略规划往往依赖静态时刻表和历史平均值，缺乏对实际运营性能的动态、数据驱动洞察，导致基础设施投资成本高昂且针对性不足。因此，亟需一种能够预测服务可靠性并将运营性能转化为可操作规划洞察的分析工具，为资源分配提供系统化依据。
**研究内容与结论**
本研究以希腊塞萨洛尼基市（希腊第二大城市）的公交83路（连接拉加达斯郊区与市中心）为案例，开发了一个基于XGBoost的多类分类框架，用于预测延迟严重性并识别空间热点。该框架整合了空间、时间、运营和气象变量，并通过特征重要性分析解释延迟形成的因素。模型在出站方向（市中心至拉加达斯）和进站方向（拉加达斯至市中心）的分类准确率分别达91.5%和89.7%，表明XGBoost能有效基于实际运营数据预测和分类延迟严重性。特征重要性分析显示，季节性和气象变量（如月份、温度）是主导因素，贡献约65%的总增益（Gain），其次是空间特征（停靠顺序，贡献6%-8%）和时间特征（小时正弦/余弦，贡献4%-7%）；运营变量（如乘客负荷、周末标识）贡献低于4%。空间分析通过计算每个站点的严重延迟比率（延误超过15分钟的预测次数占总到达次数的百分比），识别出延迟热点：进站方向中，拉加达斯区域的AGNO和KTEL站点严重延迟比率最高（79.2%和78.2%）；出站方向中，市中心出口的STAVROUPOLI和TAXIDROMEIO站点比率最高（78.4%和78.2%）。延迟模式集中在路线起点、过渡区域和密集城市段，而非均匀分布。
**重要意义**
本研究提出的框架支持从通用规划向循证干预的转变。尽管延迟受气象等外生因素强烈影响，但其影响在可识别的公交站点和走廊段显现，因此站点及邻近基础设施成为最实用的干预单元。热点区域可优先实施专用公交车道、TSP、交叉口改善、气候适应性候车亭及实时乘客信息系统等措施，以提升外部条件不利时的乘客体验。该研究发表于《Smart Cities》。
**主要关键技术与方法**
本研究采用XGBoost算法（eXtreme Gradient Boosting）进行多类分类预测。XGBoost是一种高度可扩展、计算高效的树提升方法，通过构建决策树序列（每棵后续树校正前序树的误差）并引入正则化惩罚项（控制叶子数量与权重）防止过拟合。模型训练在R环境（v4.3.2）中完成，使用xgboost包（v1.7.5）。超参数配置包括：最大树深度（max_depth=6）、学习率（eta=0.05）、训练实例采样比例（subsample=0.8）、特征采样比例（colsample_bytree=0.8），最大提升轮数1000轮并设置早停机制（50轮）。数据来自历史自动车辆定位（AVL）和自动乘客计数器（APC）日志（2024年全年），气象数据从Open-Meteo数据库获取。最终数据集包含219,008条有效运营记录，按方向分区。特征工程包括：将延迟定义为实际到达时间与计划到达时间的差值，并分类为三类（轻微≤5分钟、中度5-15分钟、严重≥15分钟）；时间变量采用三角编码（正弦与余弦）保留周期性；空间变量包括站点标识、停靠顺序、乘客负荷。
**研究结果**
**4.1 模型性能与分类准确率**
出站方向模型总体准确率为91.5%，进站方向为89.7%。混淆矩阵显示模型能有效识别轻微和严重延迟，但区分中度延迟存在困难（出站方向682个实际中度延迟被误判为轻微，进站方向695个中度延迟被误判为轻微、501个被误判为严重），这是由于相邻类别间时间差异较小。
**4.2 特征重要性及政策启示**
基于增益（Gain）指标的特征重要性分析表明：季节性和气象变量是主要贡献因素（出站方向温度41.15%、月份23.85%；进站方向月份44.22%、温度22.21%）。这些变量作为更广泛系统条件（交通需求变化、天气影响道路性能）的代理。空间特征（Stop_Sequence）贡献6%-8%，反映延迟沿路线累积传播。运营变量（乘客负荷、周末标识）贡献低于4%，表明延迟主要由外生条件而非需求压力引起。政策启示：延迟形成具有双重结构——系统层面的环境与季节变异，以及空间层面的车辆行进效应，需在热点站点实施针对性基础设施干预。
**4.3 延迟热点的空间识别**
计算每个站点的严重延迟比率（严重延迟预测次数/总预测到达次数×100%），识别出：进站方向热点为拉加达斯区域（AGNO 79.2%、KTEL 78.2%），进入主干道后比率下降至62.2%（STAVROUPOLI），进入市中心后又升至67.6%；出站方向热点为市中心出口（STAVROUPOLI 78.4%、TAXIDROMEIO 78.2%），前8站均超过68%，远离市中心后改善至56%-61%。空间可视化（QGIS 4.0）证实延迟集中在起点、过渡区和城市密集段。
**讨论与结论**
讨论部分指出，尽管延迟受系统范围因素影响，但其空间表现为可识别热点，使得站点成为最实用的干预单元。研究结论为：XGBoost模型的高准确率证实了基于实际运营数据预测延迟严重性的有效性；气象和季节因素起主导作用，但延迟并非均匀分布；空间分析揭示了延迟热点，可优先实施专用车道、TSP等基础设施措施。局限性包括：框架依赖历史数据和气象预报，未完全捕捉实时交通状况或意外中断；仅针对单一公交线路。未来方向：集成实时气象和交通流量数据（如Google Traffic/Waze），并将单走廊分析扩展至整个城市网络。
