基于梯度提升回归树的城市道路行程时间预测

• 作者: 杨少辉 王殿海 罗小芹 龚越
• 来源期刊: 浙江大学学报（工学版）
• 学科: 交通运输
• 关键词: 交通工程 短时交通流预测 梯度提升回归树模型(GBRT) 城市道路行程时间 车牌识别数据
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 土木与交通工程
• 页码范围: 453-460
• 页数: 8页
• 分类号: U491
• 字数: 6567字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2018.03.006

摘要

为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解决数据缺失问题,建立完整的历史数据集.通过分析各影响因素与行程时间的相关性,构建特征向量.为了能更好地理解模型,通过梯度提升回归树模型输出各变量对于预测结果的重要度.利用实际数据对模型进行评估,预测行程时间的平均绝对误差百分比,约为10.0％.与SVIM、ARIMA等方法相比,所提方法具有较高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨少辉		10	111	5.0	10.0
2	王殿海	浙江大学建筑工程学院	62	682	14.0	24.0
3	龚越	浙江大学建筑工程学院	3	36	3.0	3.0
4	罗小芹	浙江大学建筑工程学院	2	20	1.0	2.0