基于集成学习的公交车辆到站时间预测模型研究

• 作者: 王安琪 荆灵玲 解超
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 历史路况 实时路况 特征提取与计算 集成学习 GBDT
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 车辆工程
• 页码范围: 47-53
• 页数: 7页
• 分类号: U491.17
• 字数: 3829字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.10.008

摘要

公交车是城市交通系统的主要组成部分,准确预测公交车辆到站时间作为城市智能交通系统(ITS)的重要应用,可以有效提升公交车乘客的乘坐体验,增加公交出行的吸引力.为此,提出一种基于集成学习方法的公交车到站时间预测模型,利用联合多种弱模型的方法,确定优化目标,将公交车到站时间相关的影响因素进行特征化后,基于海量历史数据训练机器学习模型,进而预测公交到站时间.实例分析和验证结果表明,GBDT方法的预测性能明显优于其他方法,可显著提高公交到站时间预测的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆灵玲		4	2	1.0	1.0
2	解超		6	12	2.0	3.0
4	王安琪		7	11	2.0	3.0