基于 SHAP-GA-XGBoost融合模型的北京公路货运量预测研究

打开文本图片集

中图分类号：F542.8；U492.313 文献标志码：A DOI： 10.13714/j.cnki.1002-3100.2025.22.023

0引言

在京津冀一体化战略深人推进、碳减排政策约束及消费模式升级背景下，公路货运量配置直接影响着北京市物流系统从“粗放增长”向“精细运营”的转型进程。然而，针对货运量预测的传统模型却存在诸多局限，如线性回归、时间序列等传统方法难以捕捉多影响因素之间的非线性关联；机器学习模型虽具备一定非线性建模能力，但缺乏对特征交互作用的显式解释，易形成“黑箱”预测。（剩余7165字）