首页 期刊 信息技术与网络安全 基于CNN-LightGBM模型的高速公路交通量预测 【正文】

基于CNN-LightGBM模型的高速公路交通量预测

作者:张振; 曾献辉 东华大学信息科学与技术学院; 上海201620; 数字化纺织服装技术教育部工程研究中心; 上海201620
交通流预测   时空关联性   高速公路  

摘要:有效的交通流量预测对人们出行和交管部门监管都有着重要的意义。传统的交通量预测模型主要基于交通流的时间特性,未结合交通流的时间和空间特性进行深入挖掘,因此预测效果有时不佳。提出了一种基于CNN与LightGBM结合的交通流预测模型,首先利用CNN模型挖掘出高速公路相邻路段监测点和出入口的时间和空间关联性,实现对交通流数据的时空特征提取,然后将CNN提取到的特征向量输入到LightGBM模型中进行预测。为了验证模型的有效性,实验中使用了多种预测模型进行对比,实验结果表明,所提出的考虑到时空特性的CNN-LightGBM组合的模型可以明显降低预测误差,是一种有效快速的交通流预测模型。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅