基于改进时空图卷积网络的道路行程时间预测模型 被引量：1

1

作者 王忠宇 李盼归 +1 位作者 杨航 吴兵 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第4期1022-1029,共8页

为提高道路网行程时间预测精度,综合考虑行程时间的空间依赖性、时间依赖性和天气因素影响,提出了基于属性增强和注意力机制的时空图卷积网络模型.首先,构建属性增强单元,将行程时间和天气信息融合;然后,利用图卷积网络捕获空间依赖性,... 为提高道路网行程时间预测精度,综合考虑行程时间的空间依赖性、时间依赖性和天气因素影响,提出了基于属性增强和注意力机制的时空图卷积网络模型.首先,构建属性增强单元,将行程时间和天气信息融合;然后,利用图卷积网络捕获空间依赖性,利用门控递归单元捕获时间依赖性,并利用注意力机制增强模型对特征的学习;最后,利用该模型在真实数据集上对未来15、30、45和60 min的行程时间进行预测.结果表明:预测结果的均方根误差(RMSE)分别为0.0453、0.0456、0.0457和0.0468,与其他模型相比表现更优;考虑了时间、空间和天气因素后,相较于不考虑天气的情况,预测误差降低了约10.3%;相较于不考虑空间依赖性的情况,降低了约24.2%,表明所提模型能更好表达时空依赖性和外部条件影响. 展开更多

关键词 交通工程 行程时间预测 图卷积网络 时空依赖 天气因素

在线阅读 下载PDF 职称材料

基于ISSA-XGBoost模型的多特征融合露天矿卡车行程时间预测 被引量：1

2

作者 顾清华 王燕 +1 位作者 王倩 魏瑾瑜 《有色金属（矿山部分）》 2024年第1期1-10,共10页

针对露天矿运输系统卡车行程时间预测问题,提出了一种基于特征选择及改进麻雀算法优化XGBoost的露天矿卡车行程时间预测模型。模型充分考虑了卡车特征、道路特征、气象特征以及时间特征对卡车行程时间的影响,并使用皮尔逊系数法深入分... 针对露天矿运输系统卡车行程时间预测问题,提出了一种基于特征选择及改进麻雀算法优化XGBoost的露天矿卡车行程时间预测模型。模型充分考虑了卡车特征、道路特征、气象特征以及时间特征对卡车行程时间的影响,并使用皮尔逊系数法深入分析影响因素的贡献度。针对麻雀算法中全局搜索能力薄弱的问题引入反向学习和螺旋搜索策略,以提高算法的收敛性能。最后,使用改进的麻雀算法对XGBoost的关键参数进行寻优,进而构建露天矿卡车行程时间预测模型。选取国内某大型露天矿卡车调度系统采集的数据进行仿真模拟,并将所提出模型与SVM、BP、RBF和RF等其他机器学习模型进行对比。结果表明:所提出模型的预测误差均低于其他模型,相关系数可达0.9819。开发的模型和分析结果可以极大地帮助决策者规划、运营和管理更高效的露天矿运输系统。 展开更多

关键词 行程时间预测 露天矿卡车 XGBoost 改进麻雀算法 均值滤波

在线阅读 下载PDF 职称材料

考虑交通事件影响的高速公路短时行程时间预测

3

作者 潘杰 石京 《交通工程》 2024年第8期45-53,74,共10页

本研究目的是基于历史行程数据并考虑交通事件,构建可提高高速公路短时行程时间预测精度的方法。基于深层机器学习理论,设计加权均方根相似(Weighted-RMSS)模型,利用经纬度将行程分段,考虑高速公路车辆时空流动性的时间传递,计算当前行... 本研究目的是基于历史行程数据并考虑交通事件,构建可提高高速公路短时行程时间预测精度的方法。基于深层机器学习理论,设计加权均方根相似(Weighted-RMSS)模型,利用经纬度将行程分段,考虑高速公路车辆时空流动性的时间传递,计算当前行程时间和历史案例行程时间的相似性,提高了行程时间预测精确度。在此基础上,结合交通事件数据建立交通事件影响矩阵,建立LGBM模型(Light Gradient Boosting Machine)用于短时行程时间预测,并利用广州高速公路平沙至机场南路段实测数据进行验证。研究结果表明,开发2个模型效果均优于传统KNN模型,且考虑了交通事件影响的LGBM模型的预测精度高于Weighted-RMSS模型,达到95.68%,比较不同未来预测时间得出预测5 min效果最佳,精度可达96.18%。本研究在短时行程时间预测上有显著的优越性,有助于为驾驶人提供准确的出行时间,有利于高速公路的交通管理。 展开更多

关键词 高速公路 行程时间预测 时空流动性 加权均方根相似模型 交通事件影响 LGBM模型

在线阅读 下载PDF 职称材料

一种基于行程时间预测算法的高速公路预警系统研究

4

作者 李隆杰 谢文 《中国交通信息化》 2024年第S01期493-495,共3页

为了提高高速公路通行效率,本文提出一种基于行程时间预测算法的预警方法与系统来诱导司乘用户行车路线的解决方案。该系统通过时空注意力网络预测高速公路路网中的点到点的速度,基于高速公路路网中的收费站和门架计算点到点的数据进行... 为了提高高速公路通行效率,本文提出一种基于行程时间预测算法的预警方法与系统来诱导司乘用户行车路线的解决方案。该系统通过时空注意力网络预测高速公路路网中的点到点的速度,基于高速公路路网中的收费站和门架计算点到点的数据进行深度学习,并以路网中的情报板为载体向司乘用户发布来诱导司乘用户选择行车线路,该系统解决了司乘用户依靠行驶经验和导航在高速公路上行驶时不能及时应对高速公路上实时路况的问题,因此该系统能够有效的提高道路通行效率。 展开更多

关键词 行程时间预测 时空注意力网络 司乘用户行车诱导

在线阅读 下载PDF 职称材料

基于门控递归单元神经网络的高速公路行程时间预测 被引量：12

5

作者 刘松 彭勇 +1 位作者 邵毅明 宋乾坤 《应用数学和力学》 CSCD 北大核心 2019年第11期1289-1298,共10页

为了更高效地预测高速公路行程时间,以高速公路行程时间为研究对象,通过采集车辆在高速公路进出口收费站的刷卡数据获取行程时间,利用门控递归单元神经网络对行程时间进行预测.按照所设计的预测流程,利用广州市机场高速南线高速公路收... 为了更高效地预测高速公路行程时间,以高速公路行程时间为研究对象,通过采集车辆在高速公路进出口收费站的刷卡数据获取行程时间,利用门控递归单元神经网络对行程时间进行预测.按照所设计的预测流程,利用广州市机场高速南线高速公路收费数据进行验证,结果显示,预测拟合效果较好,并与LSTM神经网路和BP神经网络进行了对比分析.结果表明:门控递归单元神经网络具有更好的预测准确度. 展开更多

关键词 高速公路 行程时间预测 门控递归单元 神经网络

在线阅读 下载PDF 职称材料

基于SVM的城市快速路行程时间预测研究 被引量：18

6

作者 张娟 孙剑 《交通运输系统工程与信息》 EI CSCD 2011年第2期174-179,共6页

随着城市快速路交通信息采集系统的发展,特别是视频车牌采集系统的应用,使实时动态获得快速路行程时间成为可能,同时也促进了高精度行程时间预测的理论研究和实际应用需求.本文基于快速路车牌识别数据检测的海量历史时间序列数据,选择... 随着城市快速路交通信息采集系统的发展,特别是视频车牌采集系统的应用,使实时动态获得快速路行程时间成为可能,同时也促进了高精度行程时间预测的理论研究和实际应用需求.本文基于快速路车牌识别数据检测的海量历史时间序列数据,选择预测时段的前4个时段的数据作为输入特征值,以遗传算法建立模型参数优化算法,得到训练模型及其参数,从而实现车辆行程时间的动态预测.最后以上海市快速路系统中的三个典型路段的实测数据进行实例分析.结果表明:与传统的指数平滑法、多元回归法、ARIMA法预测结果对比,基于SVM的预测路段平均绝对百分误差在5%以内,希尔不等系数非常接近0,SVM模型显示了更高的预测精度. 展开更多

关键词 交通工程 行程时间预测 支持向量机 城市快速路

在线阅读 下载PDF 职称材料

基于多源数据融合的干线公交车辆行程时间预测 被引量：12

7

作者 刘迎 过秀成 +1 位作者 周润瑄 吕方 《交通运输系统工程与信息》 EI CSCD 北大核心 2019年第4期124-129,148,共7页

为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合... 为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测. 展开更多

关键词 城市交通 干线公交 数据融合 行程时间预测

在线阅读 下载PDF 职称材料

基于宏观交通流模型的行程时间预测 被引量：5

8

作者 干宏程 汪晴 范炳全 《上海理工大学学报》 EI CAS 北大核心 2008年第5期409-413,共5页

以高速道路为研究对象,概述了宏观交通模型的基本方程,提出了一种基于宏观交通模拟的路径行程时间预测方法.预测方法以宏观模型输出的速度为基础计算路径行程时间,能够考虑交通拥堵以确保行程时间预测结果更合理.预测方法包含一般计算... 以高速道路为研究对象,概述了宏观交通模型的基本方程,提出了一种基于宏观交通模拟的路径行程时间预测方法.预测方法以宏观模型输出的速度为基础计算路径行程时间,能够考虑交通拥堵以确保行程时间预测结果更合理.预测方法包含一般计算方法、由路段行程时间合成的方法(近邻组合法)这两种计算方法,后者用以加快计算速度,确保预测能够适用于较大规模路网.算例分析说明了预测方法的有效性. 展开更多

关键词 行程时间预测 宏观交通流模型 交通模拟

在线阅读 下载PDF 职称材料

基于模糊综合评判的智能行程时间预测算法 被引量：6

9

作者 李庆奎 吕志平 葛智杰 《华东交通大学学报》 2012年第2期6-9,共4页

提出一种智能行程时间预测算法。算法基于交通流量和占有率等实时交通信息,用模糊综合评判的方法实现对行程时间的预测。其核心是由交通流量和占有率构成因素集,把行程时间看成由因素集组成的评判集,通过因素集的隶属度函数确定模糊评... 提出一种智能行程时间预测算法。算法基于交通流量和占有率等实时交通信息,用模糊综合评判的方法实现对行程时间的预测。其核心是由交通流量和占有率构成因素集,把行程时间看成由因素集组成的评判集,通过因素集的隶属度函数确定模糊评判矩阵,从而求出行程时间的定量值。算例验证了算法的预测精度高,拟合程度好,具有一定的可行性。 展开更多

关键词 行程时间预测 模糊综合评判 隶属度函数

在线阅读 下载PDF 职称材料

基于极限学习机的公交行程时间预测方法 被引量：11

10

作者 宋现敏 刘明鑫 +1 位作者 马林 夏英集 《交通运输系统工程与信息》 EI CSCD 北大核心 2018年第5期136-142,150,共8页

以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数... 以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数据;通过分析公交车行程时间数据内在特征,确定了极限学习机模型关键参数及其纬度;最后,以长春市88路公交车GPS数据为基础进行了方法验证.结果表明,所用ELM方法预测误差约为11%,并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析,发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性. 展开更多

关键词 智能交通 GPS数据 极限学习机 公交行程时间预测

在线阅读 下载PDF 职称材料

引入时空特征的高速公路行程时间预测方法 被引量：7

11

作者 林培群 夏雨 周楚昊 《华南理工大学学报（自然科学版）》 CSCD 北大核心 2021年第8期1-11,共11页

为克服现有方法预测步长短、无法充分利用路网时空特征的局限性,实现高速公路行程时间的准确预测,基于高速公路起讫点(OD)数据集,采用随机森林模型(RF)、极端梯度提升模型(XGBoost)、长短时记忆神经网络模型(LSTM)、K-最近邻模型(KNN)... 为克服现有方法预测步长短、无法充分利用路网时空特征的局限性,实现高速公路行程时间的准确预测,基于高速公路起讫点(OD)数据集,采用随机森林模型(RF)、极端梯度提升模型(XGBoost)、长短时记忆神经网络模型(LSTM)、K-最近邻模型(KNN)、支持向量机回归模型(SVR)等5种常用算法对车辆行程时间进行多步长预测,并采用贝叶斯回归方法对各算法进行融合,融合模型可综合各预测算法的优点,具有更高的精度和鲁棒性。以广东水官高速龙岗至布龙段为例,对未来2 h内每15 min的车辆行程时间进行预测,并从预测精度和训练时长等方面对各算法的性能进行了对比分析。结果表明:多种步长下,随机森林算法和XGBoost算法的整体预测效果稳定;在步长较短(未来30 min)的预测中,LSTM具有最高的精度;基于贝叶斯回归的融合预测方法综合了各预测算法的优点,整体预测精度最高。 展开更多

关键词 行程时间预测 机器学习 时空特征 高速公路 贝叶斯回归

在线阅读 下载PDF 职称材料

基于粒子群优化小波神经网络的行程时间预测 被引量：7

12

作者 于泉 孙瑶 《交通运输研究》 2020年第2期40-47,59,共9页

为使道路使用者在出发前获得具有高实时性和可靠性的行程时间预测信息,提高出行效率,需提升高速公路行程时间的预测精度。鉴于此,将生物学中粒子群优化算法(Particle Swarm Optimization Algorithm,PSO)引入小波神经网络(Wavelet Neural... 为使道路使用者在出发前获得具有高实时性和可靠性的行程时间预测信息,提高出行效率,需提升高速公路行程时间的预测精度。鉴于此,将生物学中粒子群优化算法(Particle Swarm Optimization Algorithm,PSO)引入小波神经网络(Wavelet Neural Network,WNN)中,构建基于粒子群优化小波神经网络(Particle Swarm Optimization Wavelet Neural Network,PSO-WNN)的高速公路行程时间预测模型。首先将高速公路原始收费数据规整化,截取其中有效字段,获取研究路段一个月的行程时间数据并对其进行数据处理。然后分别基于PSO-WNN模型和WNN模型,利用Matlab进行实验。实验结果显示,PSO-WNN模型预测结果的平均绝对误差、平均相对误差和均方误差较WNN模型分别降低了83.36%,82.20%和98.15%。PSO-WNN行程时间预测模型不仅预测精度高,而且能较准确地预测出行程时间的走向及波动情况,在收敛速度方面也呈现出一定的优势,具有较好的适应能力。 展开更多

关键词 智能交通 行程时间预测 粒子群优化算法 小波神经网络 高速公路

在线阅读 下载PDF 职称材料

城市路网短期行程时间预测研究 被引量：1

13

作者 刘浩 张可 汉克.范少伦 《交通运输系统工程与信息》 EI CSCD 2007年第3期118-124,共7页

提出了一种基于状态空间神经网络(SSNN)和拓展卡尔曼滤波(EKF)的混合式行程时间预测模型.以往的研究表明,状态空间神经网络能够较好地处理复杂的非线性时空问题.然而,状态空间神经网络需要大量的历史数据作为离线训练之用.其不足之处在... 提出了一种基于状态空间神经网络(SSNN)和拓展卡尔曼滤波(EKF)的混合式行程时间预测模型.以往的研究表明,状态空间神经网络能够较好地处理复杂的非线性时空问题.然而,状态空间神经网络需要大量的历史数据作为离线训练之用.其不足之处在于,首先是需要花费大量的时间和精力去收集、准备数据,以及训练神经网络.其次,输入输出随着时间不断增加,训练过程需要不断的从新重复.为了提高状态空间神经网络的有效性,扩展卡尔曼滤波代替了传统的方法来对神经网络进行训练.荷兰的一条城市道路被选择为模型验证的试验路段.通过与另外两个预测模型之间的对比验证,该模型的预测能力能够达到满意的有效性、准确性和鲁棒性. 展开更多

关键词 行程时间预测 状态空间神经网络 扩展卡尔曼滤波

在线阅读 下载PDF 职称材料

基于模糊理论的智能指数平滑行程时间预测算法 被引量：1

14

作者 李庆奎 吕志平 王飞 《山东交通学院学报》 CAS 2012年第3期20-23,共4页

在指数平滑算法的基础上,结合模糊理论提出了一种基于模糊理论的智能指数平滑行程时间预测算法。该算法依据指数平滑法的预测误差构造模糊控制器来自适应控制平滑系数,从而自适应修正下一时期的预测值,提高行程时间的预测精度和智能化... 在指数平滑算法的基础上,结合模糊理论提出了一种基于模糊理论的智能指数平滑行程时间预测算法。该算法依据指数平滑法的预测误差构造模糊控制器来自适应控制平滑系数,从而自适应修正下一时期的预测值,提高行程时间的预测精度和智能化水平。最后通过实验验证了该算法的可行性、有效性。 展开更多

关键词 行程时间预测 指数平滑法 模糊理论

在线阅读 下载PDF 职称材料

基于神经网络的公交车辆行程时间预测模型研究 被引量：1

15

作者 何波 卢耀军 +2 位作者 陈旭梅 林国鑫 朱琳 《城市公共交通》 2010年第4期37-40,共4页

城市公交车辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种... 城市公交车辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。 展开更多

关键词 公共交通 行程时间预测 神经网络 卡尔曼滤波法

在线阅读 下载PDF 职称材料

基于改进LSSVM的节假日高速公路行程时间预测

16

作者 李松江 宋军芬 +1 位作者 王鹏 杨迪 《长春理工大学学报（自然科学版）》 2018年第5期116-121,共6页

节假日高速公路交通量突增,导致路段行程时间不确定增加,严重扰乱人们的出行安排,因此有效的行程时间预测至为关键。首先对历史数据集按照节假日行程时间的分布规律进行分类,使得子数据集和特征向量之间的关系,与预测时段行程时间和特... 节假日高速公路交通量突增,导致路段行程时间不确定增加,严重扰乱人们的出行安排,因此有效的行程时间预测至为关键。首先对历史数据集按照节假日行程时间的分布规律进行分类,使得子数据集和特征向量之间的关系,与预测时段行程时间和特征向量之间的关系更加相似。然后对LSSVM (Least Squares Support Vector Machines)模型进行改进,通过构造混合核函数,降低了模型计算复杂度;对PSO优化算法进行改进,解决了标准PSO算法搜索精度低,容易陷入局部极值的缺点。最后使用改进LSSVM模型对不同数据集进行训练,完成行程时间的预测。研究表明:(1)对历史数据集的分类,提高了模型预测的准确性;(2)与传统模型相比,改进后的模型训练速度更快,预测精度更高。 展开更多

关键词 行程时间预测 历史数据集分类 改进LSSVM模型 混合核函数 PSO算法

在线阅读 下载PDF 职称材料

基于模式匹配的行程时间预测模型研究

17

作者 庞根明 董升 +1 位作者 张惠春 连仙枝 《晋城职业技术学院学报》 2009年第4期49-50,54,共3页

本文采用深圳市某快速路的占有率预测目标的历史数据库对交通状态进行模式匹配和行程时间进行预测。经过比较研究得出,利用占有率数据进行模式匹配预测城市快速路的行程时间,结果是最令人满意的。这一预测模型的构建为智能运输的应用建... 本文采用深圳市某快速路的占有率预测目标的历史数据库对交通状态进行模式匹配和行程时间进行预测。经过比较研究得出,利用占有率数据进行模式匹配预测城市快速路的行程时间,结果是最令人满意的。这一预测模型的构建为智能运输的应用建立了良好的理论基础。 展开更多

关键词 占有率 行程时间预测 模式匹配 智能运输系统

在线阅读 下载PDF 职称材料

基于Kalman和ARIMA组合模型的路段行程时间预测 被引量：3

18

作者 田甜 王秀玲 吕芳 《信息技术》 2016年第3期148-150,155,共4页

考虑到目前单一路段行程时间预测方法性能不稳定的情况,提出卡尔曼滤波预测(Kalman)和时间序列分析(ARIMA)组合模型进行路段行程时间的预测。利用Kalman模型良好的实时性和ARIMA强大的线性拟合能力,以两种模型分别对同一路段行程时间进... 考虑到目前单一路段行程时间预测方法性能不稳定的情况,提出卡尔曼滤波预测(Kalman)和时间序列分析(ARIMA)组合模型进行路段行程时间的预测。利用Kalman模型良好的实时性和ARIMA强大的线性拟合能力,以两种模型分别对同一路段行程时间进行独立的预测,再将这两子模型所得预测结果进行动态加权,以最优模式组合模型以达到最佳预测目的。研究表明,组合模型吸取了两模型的各自优点,其预测准确性高于各独立预测模型,是预测路段行程时间的有效方法。 展开更多

关键词 卡尔曼滤波 时间序列分析 组合模型 行程时间预测

在线阅读 下载PDF 职称材料

基于Attention⁃LSTM神经网络的公交行程时间预测 被引量：4

19

作者 徐丸絮 沈吟东 《现代电子技术》 2022年第3期83-87,共5页

传统的公交行程时间预测模型由于忽略了历史时刻中的信息,导致预测精度不理想。针对公交行程时间的时序性,提出一种基于LSTM神经网络的预测模型,并引入注意力(Attention)机制对其进行优化。首先,综合考虑多种影响因素,设计了多变量LSTM... 传统的公交行程时间预测模型由于忽略了历史时刻中的信息,导致预测精度不理想。针对公交行程时间的时序性,提出一种基于LSTM神经网络的预测模型,并引入注意力(Attention)机制对其进行优化。首先,综合考虑多种影响因素,设计了多变量LSTM模块,将当前时刻的行程时间与历史时刻数据相关联,对其中的多维度特征进行信息提取;随后针对单一LSTM网络无法自动识别不同信息重要性的局限性,引入Attention机制,使模型聚焦重点信息、忽略冗杂信息;最后,采用实际公交GPS数据验证了该方法的有效性。实验结果表明,与五种常见方法相比,该模型具有更高的精度。 展开更多

关键词 智能交通 公交行程时间预测 LSTM神经网络 Attention机制 公交GPS数据 深度学习 循环神经网络

在线阅读 下载PDF 职称材料

基于随机森林算法的路段行程时间预测 被引量：1

20

作者 彭依颂 张媛媛 +1 位作者 姚博凡 蔡铭 《黑龙江交通科技》 2018年第10期204-206,共3页

利用随机森林算法对路段行程时间进行预测,根据行程时间的相关性提取了四个特征向量作为决策树节点分裂的依据,对原始数据集进行训练,并将预测值与实际数据对比,发现绝大部分时刻两者基本吻合,MAE均小于2.49 min,MAPE都控制在10%以内,... 利用随机森林算法对路段行程时间进行预测,根据行程时间的相关性提取了四个特征向量作为决策树节点分裂的依据,对原始数据集进行训练,并将预测值与实际数据对比,发现绝大部分时刻两者基本吻合,MAE均小于2.49 min,MAPE都控制在10%以内,相对于该时段平均行程时间来说误差在可以接受的范围内,预测精度较高,这说明基于随机森林算法的路段行程时间预测是可行的。 展开更多

关键词 交通工程 随机森林 行程时间预测 决策树 交通流

在线阅读 下载PDF 职称材料