基于路警数据与犔犻犵犺狋犌犅犕算法的高速公路行程时间预测
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

U491.14

基金项目:

山东省交通运输厅科技计划项目(2020BZ02-05)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    行程时间预测是支撑高速公路交通运行评价、行车诱导、交通智能化管控等应用的关键技术,在高速公路交通大数据日渐丰富的背景下,如何保障高效、准确的行程时间预测结果值得关注。为弥补现有预测数据单一、实时性不佳等问题,文中提出一种基于LightGBM(LightGradient BoostingMachine)算法和路警数据融合的行程时间预测模型,基于多源数据,构建交通量、大车占比、天气、日期类型、车型、路段长度、平均行程时间等多维特征集;利用山东济广(济南—广州)高速公路ETC(电子不停车收费系统)门架系统(出入口收费站和路段ETC门架)、视频卡口等数据进行行程时间预测模型训练与验证,采用均方根误差犚犕犛犈、平均绝对误差犕犃犈、平均绝对百分比误差犕犃犘犈及运算时间4项评价指标对该模型与最邻近(KNN)、随机森林(RF)、支持向量机回归(SVR)3种常用机器学习算法的预测结果进行对比,结果表明采用该模型,4个验证路段的犚犕犛犈为5.78,分别比KNN、RF、SVR模型降低22.8%、13.5%、21.0%,运算速度分别提高 -60%、98%、96%,可应用于高速公路网实时行程时间预测,并支持面向不同车型的差异化行程时间信息服务。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-12-09
  • 出版日期: