| 改进粒子群优化XGBoost模型的高速公路服务区交通量预测 |
| |
| 引用本文： | 孙朝云,吕红云,杨荣新,魏振荣,郝雪丽,裴莉莉.改进粒子群优化XGBoost模型的高速公路服务区交通量预测[J].北京交通大学学报(自然科学版),2021,45(5):74-83. |
| |
| 作者姓名： | 孙朝云 吕红云 杨荣新 魏振荣 郝雪丽 裴莉莉 |
| |
| 作者单位： | 长安大学 信息工程学院,西安 710064;陕西高速公路服务有限责任公司,西安 710000 |
| |
| 摘 要： | 为了科学有效地评估高速公路服务区交通通行服务能力和进行基础设施优化配置,提出一种基于改进粒子群算法(Improved Particle Swarm Optimization,IPSO)和XGBoost融合的高速公路服务区交通量预测模型.首先对粒子群算法的拓扑关系结构进行改进,将粒子群划分为主粒子和从粒子,获得多个改进粒子组,并给出改进后主从粒子速度和位置的更新方法;其次利用线性递增和递减函数对粒子的迭代寻优速度进行自适应调整;最后在模型训练过程中,引入交通量调查数据这一重要特征,并利用IPSO算法对XGBoost模型的主要超参数进行优化选择,建立了交通量调查数据和服务区各交通量之间的IPSO_XGBoost预测模型.结果表明:提出的改进粒子群算法具有更强的参数寻优能力,迭代收敛速度更快,能够搜索出XGBoost模型的理想超参数,实现对服务区交通量的有效预测.同时,提出模型的预测性能明显优于LSTM、XGBoost、CNN-LSTM和PSO_XGBoost,对小型车、大型车、货车、车当量和人当量数据的预测精度分别达到了0.913、0.815、0.872、0.931和0.924.
|
| 关 键 词： | 高速公路服务区 交通量预测 改进粒子群算法 IPSO_XGBoost |
Traffic volume prediction for highway service areas based on XGBoost model with improved particle swarm optimization |
| |
| SUN Zhaoyun,LYU Hongyun,YANG Rongxin,WEI Zhenrong,HAO Xueli,PEI Lili.Traffic volume prediction for highway service areas based on XGBoost model with improved particle swarm optimization[J].JOURNAL OF BEIJING JIAOTONG UNIVERSITY,2021,45(5):74-83. |
| |
| Authors: | SUN Zhaoyun LYU Hongyun YANG Rongxin WEI Zhenrong HAO Xueli PEI Lili |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
