期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于路警数据与LightGBM算法的高速公路行程时间预测
1
作者
景峻
仝瑶
+2 位作者
李鹏
么新鹏
王孜健
《公路与汽运》
2022年第6期13-19,31,共8页
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...
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 Gradient Boosting 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。
展开更多
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
下载PDF
职称材料
题名
基于路警数据与LightGBM算法的高速公路行程时间预测
1
作者
景峻
仝瑶
李鹏
么新鹏
王孜健
机构
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
出处
《公路与汽运》
2022年第6期13-19,31,共8页
基金
山东省交通运输厅科技计划项目(2020BZ02-05)。
文摘
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 Gradient Boosting 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。
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
分类号
U491.14 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于路警数据与LightGBM算法的高速公路行程时间预测
景峻
仝瑶
李鹏
么新鹏
王孜健
《公路与汽运》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部