基于随机森林模型的短时交通流预测方法

• 作者: 程政 陈贤富
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 智能交通 交通流预测 决策树 随机森林 支持向量机
• 年，卷（期）: 2016,（10）
• 页码范围: 46-49
• 页数: 4页
• 分类号: TP18
• 字数: 3441字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2016.09.016

摘要

短时交通流的准确高效预测对于智能交通系统的应用十分关键，但较强的非线性和噪声干扰使其对模型的灵活性要求较高，并且还需在尽可能短的时间内处理大量的数据。因此，讨论了用随机森林模型对短时交通流进行预测，该模型具有比单棵树更强的泛化能力，参数调节方便，计算高效，且稳定性好。观察交通流数据在较长时间跨度上的变化后，提取出主要特征变量构造输入空间，对模型进行训练后，在测试集上的预测准确率约为94%。与目前广泛使用的支持向量机模型进行对比分析，结果显示随机森林预测不仅准确率稍好于支持向量机，而且在效率、易用性及未来应用的扩展上都要优于支持向量机。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈贤富	中国科学技术大学信息科学技术学院	30	235	9.0	14.0
2	程政	中国科学技术大学信息科学技术学院	2	37	2.0	2.0