本文主要研究内容
作者程娟,陈先华（2019）在《基于梯度提升决策树的高速公路行程时间预测模型（英文）》一文中研究指出：为研究高速公路行程时间预测方法,基于梯度提升决策树（GBDT）建立了行程时间预测模型.提出的模型中选用11个变量(当前时段行程时间Ti、当前时段流量Qi、当前时段速度Vi、当前时段密度Ki、当前时段车辆数Ni、当前时段占有率Ri、当前时段交通状态参数Xi、前一个时段行程时间Ti-1等)预测向前10 min的行程时间.利用VISSIM仿真得到的数据对模型进行训练和测试.结果表明,GBDT模型的预测误差小于BP神经网络模型和支持向量机模型;GBDT模型中当前时段行程时间Ti在所有变量中最重要.GBDT模型能够得到更准确的预测结果,能深入挖掘变量与预测行程时间之间隐藏的非线性关系.
Abstract
wei yan jiu gao su gong lu hang cheng shi jian yu ce fang fa ,ji yu ti du di sheng jue ce shu （GBDT）jian li le hang cheng shi jian yu ce mo xing .di chu de mo xing zhong shua yong 11ge bian liang (dang qian shi duan hang cheng shi jian Ti、dang qian shi duan liu liang Qi、dang qian shi duan su du Vi、dang qian shi duan mi du Ki、dang qian shi duan che liang shu Ni、dang qian shi duan zhan you lv Ri、dang qian shi duan jiao tong zhuang tai can shu Xi、qian yi ge shi duan hang cheng shi jian Ti-1deng )yu ce xiang qian 10 minde hang cheng shi jian .li yong VISSIMfang zhen de dao de shu ju dui mo xing jin hang xun lian he ce shi .jie guo biao ming ,GBDTmo xing de yu ce wu cha xiao yu BPshen jing wang lao mo xing he zhi chi xiang liang ji mo xing ;GBDTmo xing zhong dang qian shi duan hang cheng shi jian Tizai suo you bian liang zhong zui chong yao .GBDTmo xing neng gou de dao geng zhun que de yu ce jie guo ,neng shen ru wa jue bian liang yu yu ce hang cheng shi jian zhi jian yin cang de fei xian xing guan ji .
论文参考文献
论文详细介绍
论文作者分别是来自Journal of Southeast University(English Edition)的程娟,陈先华，发表于刊物Journal of Southeast University(English Edition)2019年03期论文，是一篇关于梯度提升决策树论文,行程时间预测论文,高速公路论文,交通状态参数论文,Journal of Southeast University(English Edition)2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自Journal of Southeast University(English Edition)2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：梯度提升决策树论文; 行程时间预测论文; 高速公路论文; 交通状态参数论文; Journal of Southeast University(English Edition)2019年03期论文;