基于梯度提升决策树的高速公路行程时间预测模型

• 作者: 程娟 陈先华
• 来源期刊: 东南大学学报（英文版）
• 学科: 交通运输
• 关键词: 梯度提升决策树 行程时间预测 高速公路 交通状态参数
• 年，卷（期）: 2019,（3）
• 页码范围: 393-398
• 页数: 6页
• 分类号: U491.2
• 字数: 781字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2019.03.017

摘要

为研究高速公路行程时间预测方法,基于梯度提升决策树(GBDT)建立了行程时间预测模型.提出的模型中选用11个变量(当前时段行程时间Ti、当前时段流量Qi、当前时段速度Vi、当前时段密度Ki、当前时段车辆数Nf、当前时段占有率Ri、当前时段交通状态参数Xi、前一个时段行程时间Ti-1等)预测向前10 min的行程时间.利用VISSIM仿真得到的数据对模型进行训练和测试.结果表明,GBDT模型的预测误差小于BP神经网络模型和支持向量机模型;GBDT模型中当前时段行程时间Ti在所有变量中最重要.GBDT模型能够得到更准确的预测结果,能深入挖掘变量与预测行程时间之间隐藏的非线性关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈先华	东南大学交通学院	52	419	13.0	19.0
2	程娟	东南大学交通学院	1	0	0.0	0.0