原文传递
基于路警数据与LightGBM算法的高速公路行程时间预测
| 题名： | 基于路警数据与LightGBM算法的高速公路行程时间预测 |
| 正文语种： | 中文 |
| 作者： | 景峻;仝瑶;李鹏;么新鹏;王孜健 |
| 作者单位： | 山东高速集团有限公司;北京工业大学城市交通学院;北京市交通工程重点实验室 |
| 关键词： | 高速公路;行程时间预测;路警融合数据;LightGBM算法;机器学习 |
| 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（Light GradientBoosting Machine）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RMSE、平均绝对误差MAE、平均绝对百分比误差MAPE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RMSE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。 |
| 期刊名称： | 公路与汽运 |
| 出版年： | 2022 |
| 期： | 06 |
| 页码： | 13-19,31 |
检索历史
应用推荐
