{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2022,11,17]]，“日期-时间”：“2022-11-17T05:58:36Z”，“时间戳”：1668664716740}，“发布者位置”：“查姆”，“引用-计数”：21，“发布商”：“施普林格自然瑞士”，“isbn-type”：[{“值”：“9783031192135”，“类型”：”打印“}，{“值”：“9783031192142”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“开始”：{“date-ports”：[2022,1,1]，“日期-时间”：“2042-01-01T 00:00Z”，“timestamp”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[2022]}，”DOI“：”10.1007\/978-3-031-19214-2_50“，”类型“：”book-chapter“，”创建“：{”date-part“：[[2022,11,17]]，“日期-时间”：“2022-11-17T00:03:45Z”，“时间戳”：1668643425000}，“页面”：“595-605”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：0，”title“：[”Users\u2019出发时间预测基于\u00a0光梯度增强决策树“]，”前缀“：”10.1007“，”author“：[{”given“：”Lingyu“，”family“：”Zhang“，”sequence“：“第一个”，“隶属关系”：[]}，{“给定”：“志杰”，“家庭”：“和”，“序列”：“附加”，“隶属”：[]}，}“给定的”：“肖”，“家族”：“王”，“顺序”：“额外”，“从属关系”：[]}}，{“given”：“Guobin”，“family”：“Wu”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“自强”，“family”：“余”，“segment”：“附加”，“从属”：[]}，}“giving”：“Penghui”，“家庭”：“Zhang”，“sequence”:“additionable”，“filiation“：[]{”，“givent”：“Minghao”，“附加”，“从属关系”：[]}，{“given”：“Yunhai”，“family”：“Wang”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,11,17]]}，“reference”：[{“issue”：“2”，“key”：《50_CR1》，“doi-assertd-by”：“publisher”，“首页”：“450”，“doi”：“10.1016\/j.is.2010.09.001”，“卷”：“36”，“作者“：”WM Van der Aalst“，”年份“：”2011“，”非结构化“：“Van der Aalst，W.M.，Schonenberg，M.H.，Song，M.：基于过程挖掘的时间预测。信息系统36（2），450\u2013475（2011）”，“日志标题”：“信息系统”}，{“key”：“50_CR2”，“doi-asserted-by”：“publisher”，“doi”：“10.1201\/9781315139470”，“volume-title”：“分类和回归树”，“author”：“L Breiman”，“year”：“2017”，“unstructured”：“Breiman，L.，Friedman，J.H.，Olshen，R.A.，Stone，C.J.：分类和回归树。Routledge，Milton Park（2017）”}，{“问题”：“1”，“关键”：“50_CR3”，“doi-asserted-by”：“出版商”，“首页”：“157”，“doi”：“10.3141\/1768-19”，“卷”：“1768”，“作者”：“M Chen”，“年份”：“2001”，“非结构化”：“Chen，M.，Chien，S.I.：使用探测车辆数据进行动态高速公路行程时间预测：基于链接与基于路径。交通研究记录1768（1），157\u2013161（2001）”，“日志标题”：“交通研究记录”}，{“问题”：“5”，“关键”：“50_CR4”，“doi-asserted-by”：“出版商”，“首页”：“364”，”doi“10.1111\/j.1467-8667.2004.00363.x”，“卷”：“19”，“作者”：“M Chen”，“年份”：“2004年”，“非结构化”：“Chen，M.，Liu，X.，Xia，J.，Chien，S.I.：基于APC数据的动态总线到达时间预测模型。计算辅助民用基础设施工程19（5），364\u2013376（2004）”，“期刊标题”：“计算辅助民用基建工程”}，{“key”：“50_CR5”，“doi-asserted-by”：“publisher”，“首页”：“7466”，“doi”：“10.1109\/ACCESS.2018.2886549”，“volume”：“7”，“author”：“J Cheng”，“year”：“2018”，“unstructured”：“Cheng，J.，Li，G.，Chen，X.：基于梯度提升决策树的高速公路行程时间预测模型研究。IEEE ACCESS 7，7466\u20137480（2018）”，“journal-title”：“IEEE ACCESS”}，{“issue”：“5”，“key”：《50_CR6》，“doi-asserted-by”：“publisher”，“首页”：“429”，“DOI”：“10.1061\/（ASCE）0733-947X（2002）128:5（429）”，“卷”：“128”，“作者”：“SIJ Chien”，“年份”：“2002”，“非结构化”：“Chien，S.I.J.，Ding，Y.，Wei，C.：人工神经网络动态公交车到达时间预测。J.Transp.Eng.128（5），429\u2013438“键”：“50_CR7”，“doi-asserted-by”：“publisher”，“first page”：“608”，“doi”：“10.1061\/（ASCE）0733-947X（2003）129:6（608）”，“volume”：”129“，“author”：“SIJ Chien”，“year”：“2003”，“unstructured”：“Chien，S.I.J.，Kuchipudi，C.M.：使用实时和历史数据进行动态旅行时间预测。J.Transp.Eng.129（6），608\u2013616}，{“问题”：“11”，“key”：“50_CR8”，“doi-asserted-by”：“publisher”，“first page”：”1100“，“doi”：“10.3390\/su8111100”，“volume”：第8“，“author”：“C Ding”，“year”：“2016”，“unstructured”：“Ding，C.，Wang，D.，Ma，X.，Li，H.：使用梯度提升决策树预测短期地铁乘客流量并优先考虑其影响因素。可持续性8（11），1100（2016）”，“journal-title”：“Sustainability”}，{“key”：“50_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“Duan，Y.，Y.sheng，L.，Wang，F.Y.：使用LSTM神经网络进行旅行时间预测。摘自：2016 IEEE第19届智能交通系统国际会议（ITSC），pp.1053\u20131058。IEEE（2016）“，”DOI“：”10.1109\/ITSC.2016.7795686“}，{”issue“：”6“，”key“：”50_CR10“，”DOI-asserted-by“：”publisher“，”first-page“：”1306“，“DOI”：“10.1016\/j.trc.2010.10.005”，“volume”：“19”，“author”：“X Fei”，“year”：“2011”，“unstructured”：“Fei，X.，Lu，C.C.，Liu，K.：实时短期高速公路行程时间预测的贝叶斯动态线性模型方法。运输。决议第C部分：应急技术。19（6），1306\u20131318（2011）“，“新闻标题”：“运输。研究第C部分：新兴技术。“}，{”key“：”50_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Friedman，J.H.：贪婪函数近似：梯度提升机。Ann.Stat.1189\u20131232（2001）“，”doi“：”10.1214\/aos\/101320451“}”，{“key”：“50_CR12”，“unstructure”：“”Ke，G.等：LightGBM：一种高效的梯度增强决策树。In:Advances In Neural Information Processing Systems，vol.30（2017）“}，{“issue”：“1”，“key”：“50_CR13”，“doi-asserted-by”：“publisher”，“first-pages”：“120”，“doi”：“10.3141\/1717-15”，“volume”：《1717》，“author”：“J Kwon”，“year”：“2000”，“unstructured”：“Kwon，J.、Coifman，B.、Bickel，P.：环测数据的日间旅行时间趋势和旅行时间预测。运输。Res.Rec.1717（1），120\u2013129（2000）“，“日记标题”：“运输。Res.Rec.“}，{”issue“：”1“，”key“：”50_CR14“，”doi-asserted-by“：”publisher“，”first page“：“81”，“doi”：“10.1007\/BF00116251”，“volume”：“1”，“author”：“JR昆兰”，“year”：“1986”，“unstructured”：“昆兰，J.R.：决策树归纳。Mach.Learn.1（1），81\u2013106（1986）”，“journal-title”：“Mach.Learn.”}，“key”：“50_CR15”，“非结构化”：“昆兰，J.R.：C4。5：机器学习编程。Morgan Kauffmann 38（48），49（1993）“}，{”key“：”50_CR16“，”doi-asserted-by“：”publisher“，”first page“：“634”，“doi”：“10.1016\/j.asoc.2018.10.036”，“volume”：“74”，“author”：“H Rao”，“year”：“2019”，“unstructured”：“Rao，H.等：基于人工蜂群和梯度提升决策树的特征选择。应用软计算.74，634\u2013642（2019）”，“journal-title“：”申请。软计算。“}，{”key“：“50_CR17”，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.asoc.2019.105942“，”volume“：”86“，”author“：”R Sun“，”year“：”2020“，”unstructured“：”Sun，R.，Wang，G.，Zhang，W.，Hsu，L.T.，Ochieng，W.Y.：一种基于梯度增强决策树的GPS信号接收分类算法。Appl.Soft Compute.86，105942（2020）“，”journal-title“：”申请。软计算。“｝，｛”issue“：”8“，”key“：”50_CR18“，”doi断言“：”publisher“，”first page“：”2572“，”doi“：”10.1109\/TITS.2017.2755684“，”volume“：”19“，”author“：”J Xu“，”year“：”2018“，”nonstructured“：”Xu，J.，Rahmatizadeh，R.，B\u00f6l\u00f6ni，L.，Turgut，D.：使用递归神经网络实时预测出租车需求。IEEE Trans.Intell.Transp.Syst.19（8），2572\u20132581（2018）“，”期刊标题“：”IEEE Trans。智力。运输。系统。“}，{”issue“：”2“，”key“：”50_CR19“，”doi-asserted-by“：”publisher“，”first page“：“185”，“doi”：“10.3390\/rs10020185”，“volume”：“10”，“author”：“L Yang”，“year”：“2018”，“unstructured”：“Yang，L.，Zhang，X.，Liang，S.，Yao，Y.，Jaa，K.，Jia，A.：基于梯度提升决策树方法估算中国地表向下短波辐射。遥感10（2），185（2018）“，”日记标题“：”遥感“}，{“问题”：“3\u20134”，“关键”：“50_CR20”，“doi-asserted-by”：“出版商”，“首页”：“187”，“doi”：“10.1016\/S0968-090X（03）00026-3”，“卷”：“11”，“作者”：“X Zhang”，“年份”：“2003”，“非结构化”：“Zhang，X.，Rice，J.A.：短期旅行时间预测。Trans.Res C部分：应急。Technol公司。11（3\u20134），187\u2013210（2003）“，“日记标题”：“Trans。研究第C部分：新兴技术。“}，{”key“：”50_CR21“，”doi-asserted-by“：”publisher“，”first page“：“308”，“doi”：“10.1016\/j.trc.2015.02.019”，“volume”：“58”，“author”：“Y Zhang”，“year”：“2015”，“unstructured”：“Zhang，Y.，Haghani，A.：一种改进旅行时间预测的梯度增强方法。交通研究C部分：Emerg.Technol.58，308\u2013324（2015）”，“日志标题”：“交通研究●●●●。C部分：应急技术。“}]，”container-title“：[”Wireless Algorithms，Systems，and Applications“，”Letch Notes in Computer Science“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-19214-2_50“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”“相似性检查”}]，“存放”：{“date-parts“：[[2022,11,17]]，“date-time”：“2022-11-17T00:28:29Z”，“timestamp”：1668644909000}，“score”：1，“resource”：{“primary”：}“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-19214-2_50”}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[2022]}”，“ISBN”：[“9783031192135”，“9783031192142”]，“references-count”：21，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-3-031-19214-2_50“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743“”，“type”：“print”}，{”value“：“1611-3399”，“类型”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2022]}，“assertion”：“[{“value”：”17 2022年11月“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“WASA”，“order”：1，“name”：“conference_acrombit”，“label”：“ConferenceName”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}}group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”Dalian“，”order“：3，”name“:”Conference_city“，”标签“：”会展城市“，”group“:：“会议信息“}}，{”value“：”2022“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2022年11月24日”，“order”：7，“name”:“Conference_start_date”，：“2022年11月26日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：名称“：”conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”http://\/wasa-conference.org\/WAS2022\/“，”order“：11，“name”：“conferenceuurl”，“label”：“会议url”，“group”：{“：”type“，”label“：”类型“，”组“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“EasyChair”，“order”：2，“name”:“conference_management_system”，“标签”：“会议管理系统”，“group”：{同行评审信息（由会议组织者提供）“}}，{“value”：“265”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）}}number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”62“，”order“：5，”name“:”number _of_short_papers_accepted”，“label”：“接受的短文数”，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”36%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”4“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“8”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}]}}