原文传递
基于数据流集成回归的短时交通流预测
| 题名： | 基于数据流集成回归的短时交通流预测 |
| 正文语种： | 中文 |
| 作者： | 徐文华；魏志强； |
| 关键词： | CART；短时交通流预测；回归算法；集成学习；数据流 |
| 摘要： | 传统的交通流预测技术使用静态和离线算法,无法对模型的参数值和内部结构进行在线调整。然而,交通流变化具有明显的动态性,其内在模式会随时间发生变化,导致构建好的模型准确度下降。针对上述问题,提出了基于数据流集成回归的短时交通流预测模型。将不断产生的交通流数据划分成数据块,每个数据块训练1个基础回归模型,然后加权组合为集成模型。通过不断训练新的基础模型,并置换出集成模型中准确度最差的基础模型,实现在线更新。在实测数据上的对比实验结果表明,与静态离线的BN模型相比,模型的均方根误差降低了19.5%,运算时间降低了 |
| 期刊名称： | 交通信息与安全 |
| 出版年： | 2014 |
| 期： | 04 |
| 页码： | 14-19,40 |
检索历史
应用推荐
