基于多特征GBDT模型的收费站短时交通流量预测

为了准确地预测高速公路收费站的短时交通流量,以便收费站根据不同时段的交通流量科学合理地制定人员配置方案来缓解收费站交通拥堵,文中提出了一种基于多特征GBDT模型的预测方法。引入一种新的机器学习算法GBDT,并通过数据分析,挖掘出时段、星期与天气3种有效的新特征,对广州机场高速机场收费站短时交通流量进行预测。结果表明,将挖掘的新特征应用于传统的BP神经网络模型建立多特征BP神经网络模型可以将预测误差降低4.67%,而文中提出的模型相对于多特征BP神经网络模型可以将预测误差降低0.91%,从而证明了该模型的有效性和可行性。