基于LightGBM算法的公交行程时间预测

论文摘要

在城市公交网络运行中,公交车的站点间行程时间会受到道路和环境条件的影响.本文对公交车运行过程中的车辆速度特征、道路特征及天气特征等进行了分析.建立了基于特征的LightGBM (Light Gradient Boosting Machine)公交行程时间预测模型,通过调整LightGBM算法中的相关参数,以分配各个影响特征和因素的权重大小.然后利用天津市某条公交线路24天的公交车GPS数据对模型进行了训练和验证,并与基于历史平均值和卡尔曼滤波的行程时间预测模型进行对比.比较结果表明,LightGBM模型在MAE (Mean Absolute Error)和MAPE (Mean Absolute Percentage Error)这两个指标上均大幅度优于其他两个模型,说明LightGBM模型在公交车行程时间预测上具有很好的稳定性和应用前景.

论文目录

• 0 引言
• 1 LightGBM模型介绍
• 2 数据介绍和处理
•   2.1 公交车GPS数据
•   2.2 特征数据获取和处理
• 3 模型验证
• 4 模型比较及分析
•   4.1 其他行程时间预测模型
•   4.2 模型预测结果对比分析
• 5 结论

文章来源

类型: 期刊论文

作者: 王芳杰,王福建,王雨晨,边驰

关键词: 城市交通,预测,算法,公交车行程时间,数据

来源: 交通运输系统工程与信息 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 浙江国际海运职业技术学院航海工程学院,浙江大学建筑工程学院

分类号: U491.17

DOI: 10.16097/j.cnki.1009-6744.2019.02.017

页码: 116-121

总页数: 6

文件大小: 1259K

下载量: 704