基于多机器学习竞争策略的短时交通流预测

作     者：徐健锋 汤涛 严军峰 刘真 XU Jian-feng;TANG Tao;YAN Jun-feng;LIU Zhen

作者机构：南昌大学软件学院南昌330047 同济大学电子与信息工程学院上海201804 北京交通大学计算机系北京100044 

基　　金：国家自然科学基金(61273304) 上海市重点项目(ZY3-CCCX-3-6002) 南昌大学研究生创新项目(cx2015097)~~ 

出 版 物：《交通运输系统工程与信息》 (Journal of Transportation Systems Engineering and Information Technology)

年 卷 期：2016年第16卷第4期

页      码：185-190,198页

摘      要：交通流量预测是当前交通大数据应用的重要议题之一.经典的交通流量预测方法通常只根据被预测道路自身的数据进行分析和决策,而往往较少考虑由于同一区域不同道路之间的交通流量关联性.本研究根据城市核心区交通流量数据的特点,构建同区域内多条相关道路的交通流量多维度数据模型.并且,基于该数据模型提出了一种基于多机器学习竞争策略的交通流量预报算法.该算法的主要核心思想是利用时间序列聚类的方式将多维交通流量数据进行降维,然后通过引入多种多机器学习方法进行并发训练,其训练结果通过竞争获得最优分类器群.最后设计了多最优机器学习集成预测方法进行交通流量预测.本模型通过在南昌市中心道路进行的实验显示,其预测结果优于传统单时间序列机器学习方法.

主 题 词：城市交通 交通流量 机器学习 集成学习 时间序列 

学科分类：1201[管理学-管理科学与工程类] 08[工学] 082303[082303] 0802[工学-机械学] 0814[工学-地质类] 0811[工学-水利类] 0701[理学-数学类] 082302[082302] 0812[工学-测绘类] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.16097/j.cnki.1009-6744.2016.04.027

馆 藏 号：203189516...