随机森林在短时交通流中的应用

• 作者: 冒云香 李星毅
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: MapReduce 随机森林 交通流预测 决策树
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法与分析
• 页码范围: 1585-1589
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.07.009

摘要

支持向量机能够较好地进行短时交通流预测,但没有很好地解决超参问题.随机森林对参数的调节方便,计算速度快,可以处理交通流大规模数据复杂计算问题,因此提出基于MapReduce的并行随机森林的短时交通流预测方法.传统决策树分裂节点均采用单一分裂算法,存在适用性差等问题,针对此问题,提出了组合多节点分裂的MR ONRF算法,得到最优的分裂节点,进而实现交通预测.实验结果表明,MR ONRF算法不仅提高了交通流预测的精确度,而且在时间效率上远远高于单机随机森林和传统MR RF.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李星毅		65	500	13.0	19.0
2	冒云香		1	0	0.0	0.0