恶劣天气情况下基于随机森林算法的交通流量预测

针对恶劣天气情况,提出基于随机森林交通流量预测模型,基于2016年纽约市出租车数据以及天气情况,对原始GPS数据进行层层筛选,筛选出符合恶劣天气条件定义的数据,以随机森林回归方法为基础研究恶劣天气下交通流量的预测模型,并通过调整模型的超参数改善了模型的性能;同时将随机森林模型与BP神经网络模型和决策树模型做了性能对比,随机森林预测模型最终取得的实验结果较好。