基于XGBoost模型的路段交通流量短时预测

作     者：蒋源 陈小鸿 胡松华 JIANG Yuan;CHEN Xiaohong;HU Songhua

作者机构：成都市规划设计研究院成都610041 同济大学铁道与城市轨道交通研究院上海201804 马里兰大学帕克分校土木环境工程系马里兰州20742 

基　　金：国家自然科学基金(71734004) 

出 版 物：《武汉理工大学学报（交通科学与工程版）》 (Journal of Wuhan University of Technology（Transportation Science & Engineering）)

年 卷 期：2024年第48卷第1期

页      码：25-30,36页

摘      要：文中利用上海杨浦区雷达设备采集的城市道路流量数据,基于XGBoost模型对路段流量进行预测.考虑城市道路交通流量的复杂性与随机性,选用包括整体特征、时间相关特征、空间相关特征等31个特征变量,并通过格网搜索对模型主要参数进行调整.结果显示:在不同时间粒度上,XGBoost模型的RMSE精度皆优于其余五个对比模型,且在效率上也具有优势.以5 min为时间粒度时,RMSE值为14.22,MAPE值为0.153,耗时23.84 s.此外,XGBoost具有较高可解释性.通过对不同特征变量的组合预测及特征变量重要度分析发现,以时间粒度为单元,1、2、3阶滞后流量及彼此间的差值可明显提高模型预测精度,随时间粒度增大,流周期性增强,随机性减弱.

主 题 词：路段流量 短时预测 机器学习 XGBoost模型 

学科分类：08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.3963/j.issn.2095G3844.2024.01.005

馆 藏 号：203126666...