科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于传统的高速公路拥堵预测方法大多构建的是单一的预测模型,模型的预测精度不高,并且大多以交通流的时间特征为基础,缺少对交通流空间特征的深度挖掘,往往导致预测结果不理想。本文提出了一种基于SVR与LightGBM组合的高速公路拥堵预测模型,由于高速公路上中下游路段具有时空相关性,因此首先运用SVR模型实现上下游路段对中游目标路段流量、速度和占有率的预测,进而将预测值与目标路段真实的拥堵阈值输入到LightGBM模型进行训练来预测拥堵。为验证组合模型的有效性,选用平均绝对误差(MAE)、均方根误差(RMSE)和均等系数(EC)三项评价指标对不同种预测模型进行对比结果分析。实验表明所提出的SVR-LightGBM拥堵预测模型能显著减少预测误差,预测精度更高,是一种高效快捷的拥堵预测模型。
- 单位
