基于数据流集成回归的短时交通流预测

• 作者: 徐文华 魏志强
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: CART 短时交通流预测 回归算法 集成学习 数据流
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 城市交通
• 页码范围: 14-19,40
• 页数: 7页
• 分类号: U491
• 字数: 5775字
• 语种: 中文
• DOI: 10.3963/j.issn 1674-4861.2014.04.003

摘要

传统的交通流预测技术使用静态和离线算法,无法对模型的参数值和内部结构进行在线调整.然而,交通流变化具有明显的动态性,其内在模式会随时间发生变化,导致构建好的模型准确度下降.针对上述问题,提出了基于数据流集成回归的短时交通流预测模型.将不断产生的交通流数据划分成数据块,每个数据块训练1个基础回归模型,然后加权组合为集成模型.通过不断训练新的基础模型,并置换出集成模型中准确度最差的基础模型,实现在线更新.在实测数据上的对比实验结果表明,与静态离线的BN模型相比,模型的均方根误差降低了19.5％,运算时间降低了48.7％,并能够快速适应交通状况发生明显变化的情况,适用于城市主干道路的短时交通流预测问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏志强	中国海洋大学信息科学与工程学院	61	583	13.0	22.0
2	徐文华	中国海洋大学信息科学与工程学院	2	22	2.0	2.0