基于CNN-XGBoost的短时交通流预测

来源 :计算机工程与设计 | 被引量 : 0次 | 上传用户:jick85726
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为准确预测短时交通流,缓解交通拥堵提高交通运行效率,提出一种基于CNN-XGBoost的短时交通流预测方法。结合短时交通流数据的时间相关性和空间相关性,将本路段和邻近路段的历史数据一同作为输入进行预测。利用卷积神经网络(convolutional neural networks,CNN)实现特征提取以减少数据冗余性,提出一种参数经果蝇算法优化的XGBoost模型用于交通流量预测。实例验证结果表明,CNN可对时间和空间结合下的交通流数据进行有效特征提取;相比SVR、LSTM等模型,改进的XGBoost模型下
其他文献
公共图书馆组织的传统讲座在形式和内容方面都存在推广形式单一、不具有针对性等问题。如何实现传统讲座在主题和形式上的创新,以吸引不同的读者群体成为公共图书馆讲座改革
为解决现有语音增强算法需要麦克风数量较多和受估计误差影响较大的问题,提出一种改进的声源定位和波束形成方法。在现有声源定位算法利用时间延迟的基础上,引入能量衰减参数
温州城市书房采用图书馆与社会合作建设连锁运营的模式,统一标准,规范管理,成为城市书房服务模式的标杆。瑞安在温州城市书房的成功经验之上,积极探索与实践城市书房的建设与