考虑混沌特性的PSR-XGBoost短期交通流预测

• 作者: 李树彬 孔祥科 李青桐 林兆丰 赵子豪
• 来源期刊: 东南大学学报（英文版）
• 学科: 交通运输
• 关键词: 交通流预测 相空间重构 复杂网络 模型优化
• 年，卷（期）: 2022,（1）
• 页码范围: 92-96
• 页数: 5页
• 分类号: U491.1
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2022.01.014

摘要

为了提升主动式交通管理的水平,结合相空间重构和XGBoost算法提出了 一种短时交通流预测模型.首先,改进了传统的数据预处理方法,通过层次聚类判定交通流状态,并根据不同的交通流状态对缺失、异常数据进行填充.其次,利用相空间重构将一维数据映射为多维数据矩阵,并利用时间序列复杂网络验证数据重构效果.最后,将多维数据矩阵输入到XGBoost模型以预测未来交通流参数.结果表明,PSR-XGBoost模型预测结果的均方误差、平均绝对误差和平均绝对百分数误差分别为5.399％、1.632％和6.278％,所需运行时间为17.35 s.相比于数理统计模型和其他机器学习模型,PSR-XGBoost模型在多项预测指标上均有明显提高,从而验证了其在短时交通流预测方面的可行性和优越性.