基于梯度提升决策树的高速公路行程时间预测模型（英文）

论文摘要

为研究高速公路行程时间预测方法,基于梯度提升决策树（GBDT）建立了行程时间预测模型.提出的模型中选用11个变量(当前时段行程时间Ti、当前时段流量Qi、当前时段速度Vi、当前时段密度Ki、当前时段车辆数Ni、当前时段占有率Ri、当前时段交通状态参数Xi、前一个时段行程时间Ti-1等)预测向前10 min的行程时间.利用VISSIM仿真得到的数据对模型进行训练和测试.结果表明,GBDT模型的预测误差小于BP神经网络模型和支持向量机模型;GBDT模型中当前时段行程时间Ti在所有变量中最重要.GBDT模型能够得到更准确的预测结果,能深入挖掘变量与预测行程时间之间隐藏的非线性关系.

论文目录

• 1 Travel Time Prediction Model Based on GBDT
•   1) Initialize the learner, that is
•   2) Let the number of iterations be m=1,2,…,M, and the negative gradient of the i-th training data is
•   3) After the m-th iteration, the final model is expressed as
• 2 Data
• 3 Establishment and Verification of the Model
•   3.1 Variables of the model
•     3.1.1 Traffic state parameter
•     3.1.2 Variables of the model
•   3.2 Results and verification of the model
•   3.3 Analysis of variables
•   3.4 Accuracy of the model
• 4 Conclusions

文章来源

类型: 期刊论文

作者: 程娟,陈先华

关键词: 梯度提升决策树,行程时间预测,高速公路,交通状态参数

来源: Journal of Southeast University(English Edition) 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 东南大学交通学院

基金: The National Natural Science Foundation of China(No.51478114,51778136)

分类号: U491

页码: 393-398

总页数: 6

文件大小: 935K

下载量: 164