基于Xgboost算法的共享自行车短时需求预测研究

为了提高共享自行车系统短时需求预测的准确性,提出基于Xgboost的共享自行车短时需求预测预测方法.Xgboost是近年来一种基于分类和回归树的热门算法,具有快速的数据处理能力,准确性高的优点.以某市2015年1—8月的公共自行车数据,类比经过聚类后的共享自行车需求,并考虑了天气因素,节假日因素,还有站点之间的相关性,构建特征向量,利用Xgboost算法对共享自行车短时需求进行预测并将结果与基于BP神经网络模型、ARMA模型和KNN算法的预测结果进行比较.结果表明,Xgboost算法模型精度更高,运算效率也更高.

高速公路两客一危车辆动态监管系统

近年来,高速公路快速发展,车流量增长迅速,但是交通事故量也不断增多,给社会带来了极大的负面影响,严重威胁到了人们的人身安全。本文以佛山广三高速为背景,主要分析了高速公路两客一危车辆动态监管系统的工作原理,并介绍了系统的构架和功能。

基于支持向量回归的高速公路路段平均速度估计方法

为克服现有高速公路车辆检测器密度稀疏、损坏率高导致所估计的路段平均速度准确率不高这一缺陷,提出一种新的高速公路路段平均速度估计方法。一方面,高速公路收费数据具有车辆信息全面可靠、辐射路网范围广的优点,采取基于轨迹法的修正算法求取基本路段平均速度;另一方面,"两客一危"卫星定位数据实时性好,路网分布相对均匀分散,利用速度-时间积分模型对单车行程速度进行估计,再对单一浮动车作加权平均获得路段平均速度。最后,利用支持向量回归原理,对由高速公路收费数据和"两客一危"卫星定位数据所获取的路段平均速度进行融合处理,得到估计效果更好的路段平均速度。利用广乐高速公路上的实际数据对融合结果进行了验证。结果表明:与单一数据源的估计速度相比,融合后的路段平均速度具有更小的相对误差,更接近真实值,可更好地反映高速公路系统运行状态,为管理者和出行者提供决策依据。此外,分别以15,45 min和60 min作为统计间隔,使用上述融合方法进行路段平均速度估计。结果表明,模型效果与统计间隔大小呈负相关关系;统计间隔越小,模型的均方误差、可决系数、相对误差3个指标也越小;当统计间隔为30 min以下时,估计结果更为精确。