基于贝叶斯网络的交通事件持续时间预测

• 作者: 葛升阳 郑树康 郑长江
• 来源期刊: 华东交通大学学报
• 学科: 交通运输
• 关键词: 城市交通 交通事件持续时间 贝叶斯网络模型 数据集分类 影响因子提取 WEKA
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 交通管理与控制
• 页码范围: 50-55
• 页数: 6页
• 分类号: U491.1
• 字数: 3600字
• 语种: 中文

摘要

随着数据采集手段的不断提高和相关研究技术的发展，基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据，进行分类和预处理，观察事件持续时间的频数图，并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子，利用数据挖掘软件WEKA建立贝叶斯网络模型，用数据集中80%的数据进行学习建模，20%的数据作为测试集来检测模型的预测效果，并做出性能评价。实验结果表明，与同类数据集的其他预测方法相比，贝叶斯网络模型对于变数众多，随机性特别大的交通事件，预测精度较高，证明贝叶斯网络模型的算法是具有一定优越性和实用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑长江	河海大学土木与交通学院	91	461	12.0	17.0
2	郑树康	河海大学物联网学院	3	11	2.0	3.0
3	葛升阳	河海大学土木与交通学院	1	7	1.0	1.0