基于PCA-GBDT的城市道路旅行时间预测方法

• 作者: 张威威 李瑞敏 谢中教
• 来源期刊: 公路工程
• 学科: 交通运输
• 关键词: 交通工程 旅行时间预测 PCA-GBDT kNN 支持向量机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 科学研究
• 页码范围: 6-11
• 页数: 6页
• 分类号: U491
• 字数: 3853字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-0610.2017.06.002

摘要

城市道路旅行时间预测是城市智能交通管理系统和交通信息服务系统的重要基础.利用实测的车辆旅行时间数据,提出了进行城市道路旅行时间多步预测的主成分分析-梯度提升决策树(PCA-GBDT)方法.首先使用主成分分析方法进行旅行时间序列分解和主成分提取,之后建立了利用梯度提升决策树方法的旅行时间多时段预测模型.实际案例结果表明,与传统kNN方法、时间序列ARIMA方法、支持向量机(SVM)方法相比,PCA-GBDT方法具有更高的预测精度与算法稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李瑞敏	清华大学交通研究所	83	1273	17.0	34.0
5	谢中教		5	30	2.0	5.0
6	张威威	清华大学交通研究所	4	28	2.0	4.0