摘要：为了准确高效地预测拥堵路段短时交通流量,以便路段相关管理部门提前做好排堵措施,缓解交通拥堵发生,引入了一种机器学习算法XGBOOST.以广东省佛开高速平连互通-司前互通方向为例,首先通过采集、清洗、统计、整合该路段及其相邻路段的高卡流水数据以及事件数据;然后进行特征工程,挖掘出与短时流量相关的重要特征;之后构建了该路段的短时交通流量预测模型.结果表明:与传统的GBDT模型相比,XGBOOST模型不仅精度高、均方误差低,而且运行效率也快.最后用实际生产数据验证了模型较好的泛化能力.
分类：期刊> 自然科学与工程技术> 工程科技II> 建筑科学与工程
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：短时交通流量预测 机器学习 gbdt xgboost
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
