科研之友
微信
新浪微博
Facebook
分享链接
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.
- 出版日期2022
- 单位山东警察学院; 北京城建设计发展集团股份有限公司; 山东建筑大学
