基于集成学习的交通拥堵预测模型

• 作者: 侯乾宝 唐健 田雨 豆丹
• 来源期刊: 电脑与电信
• 学科: 交通运输
• 关键词: 拥堵预测 K近邻 RBF 集成学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 60-63,70
• 页数: 5页
• 分类号: TP18|U491.265
• 字数: 3341字
• 语种: 中文

摘要

当前的导航软件在面对某些严重的交通拥堵情况的时候有明显的不准确的速度评估,不能准确地预测交通拥堵情况的持续时间.因此,我们提出一种交通拥堵预测模型,通过对速度的预测实现准确的拥堵时间预测.关于速度的预测模型,我们基于KNN算法选择高相似度样本,预测速度模型分为KNN-VA和KNN-RBF这两种主要的模型,并使用集成学习方法对两种模型进行融合,得到更可信的平均速度预测,进而对拥堵时间进行预测.为了能够确定拥堵时间,我们利用了RBF速度预测方法和固定区域内采样的方法来验证.实验证明该模型对拥堵时间预测有较高的可信度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐健	武汉大学数学学院	10	86	4.0	9.0
2	田雨	武汉大学国家网络安全学院	2	0	0.0	0.0
3	侯乾宝	武汉大学测绘学院	1	0	0.0	0.0
4	豆丹	武汉大学国家网络安全学院	1	0	0.0	0.0