基于CNN-LightGBM模型的高速公路交通量预测

• 作者: 张振 曾献辉
• 来源期刊: 信息技术与网络安全
• 学科: 交通运输
• 关键词: 交通流预测 CNN-LightGBM 时空关联性 高速公路
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 34-39
• 页数: 6页
• 分类号: U491.1
• 字数: 3458字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.02.007

摘要

有效的交通流量预测对人们出行和交管部门监管都有着重要的意义.传统的交通量预测模型主要基于交通流的时间特性,未结合交通流的时间和空间特性进行深入挖掘,因此预测效果有时不佳.提出了一种基于CNN与LightG-BM结合的交通流预测模型,首先利用CNN模型挖掘出高速公路相邻路段监测点和出入口的时间和空间关联性,实现对交通流数据的时空特征提取,然后将CNN提取到的特征向量输入到 LightGBM 模型中进行预测.为了验证模型的有效性,实验中使用了多种预测模型进行对比,实验结果表明,所提出的考虑到时空特性的CNN-LightGBM组合的模型可以明显降低预测误差,是一种有效快速的交通流预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾献辉	东华大学信息科学与技术学院	22	61	5.0	6.0
5	张振	东华大学信息科学与技术学院	3	1	1.0	1.0