基于延迟及参数自学习的短时交通流量预测  

作　　者：林文 

机构地区：[1]广东利通科技投资有限公司,广东广州510663 [2]广东省隧道工程安全与应急保障技术及装备企业重点实验室,广东广州510000

出　　处：《中国交通信息化》2024年第S2期74-77,共4页China ITS Journal

摘　　要：在高速公路路网运行中,短时交通流量受到多种因素的影响。本文对高速公路中的交通事件特征、道路特征、上下游特征、数据延迟特征和车辆特征等进行了分析,引入了一种基于特征的LightGBM算法,建立了考虑延迟及参数自学习的短时交通流量预测模型。利用广东省某高速公路片区的真实生产数据对模型进行了训练和验证,并与其他基准模型进行了对比。结果表明,考虑了数据延迟和参数自学习的LightGBM模型在MAPE和MAE这两个指标上均优于基准模型,且有较好的稳定性。

关 键 词：数据延迟 参数自学习 短时交通流量 LightGBM算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] U491.14[自动化与计算机技术—控制科学与工程]