基于集成学习的公交车辆到站时间预测模型研究

论文摘要

公交车是城市交通系统的主要组成部分,准确预测公交车辆到站时间作为城市智能交通系统(ITS)的重要应用,可以有效提升公交车乘客的乘坐体验,增加公交出行的吸引力。为此,提出一种基于集成学习方法的公交车到站时间预测模型,利用联合多种弱模型的方法,确定优化目标,将公交车到站时间相关的影响因素进行特征化后,基于海量历史数据训练机器学习模型,进而预测公交到站时间。实例分析和验证结果表明,GBDT方法的预测性能明显优于其他方法,可显著提高公交到站时间预测的准确性。

论文目录

• 1 数据与方法
•   1.1 数据源
•   1.2 预测方法
•   1.3 评价指标
• 2 基于集成学习的ETA预测模型实现
•   2.1 目标函数定义
•   2.2 特征工程
•     2.2.1 特征因子计算
•     2.2.2 特征因子重要性评价
•   2.3 训练与验证
•   2.4 线上预测
• 3 实例研究
• 4 结束语

文章来源

类型: 期刊论文

作者: 荆灵玲,解超,王安琪

关键词: 历史路况,实时路况,特征提取与计算,集成学习

来源: 重庆理工大学学报(自然科学) 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 中航勘察设计研究院有限公司,中国交通通信信息中心,中交信有限责任公司,北方工业大学

基金: 贵州省交通厅科技项目“城市道路交通大数据智能监管云平台”(GZWH-2017-1416)

分类号: U491.17

页码: 47-53

总页数: 7

文件大小: 219K

下载量: 159