论文部分内容阅读
为研究高速公路行程时间预测方法,基于梯度提升决策树(GBDT)建立了行程时间预测模型.提出的模型中选用11个变量(当前时段行程时间Ti、当前时段流量Qi、当前时段速度Vi、当前时段密度Ki、当前时段车辆数Ni、当前时段占有率Ri、当前时段交通状态参数Xi、前一个时段行程时间Ti-1等)预测向前10 min的行程时间.利用VISSIM仿真得到的数据对模型进行训练和测试.结果表明,GBDT模型的预测误差小于BP神经网络模型和支持向量机模型;GBDT模型中当前时段行程时间Ti在所有变量中最重要.GBDT模型能够