摘要:针对短时交通流变化的复杂性与非线性特点,分析了分类回归树模型的建立,包括模型的生长、分裂与剪枝,研究了模型在高速路交通流短时预测中的应用,并对美国波特兰州高速路网的真实交通流量数据进行分析建模。采用RMSE与MAPE误差分析法,将试验结果与传统的交通流预测方法ARIMA模型与Kalman滤波预测模型进行比较。对比结果表明:分类回归树预测模型的RMSE比ARIMA模型与Kalman滤波预测模型分别降低了42.1%、13.1%。
关键词:智能交通系统 交通流预测 数据挖掘 时间序列分析 分类回归树
单位:上海交通大学系统控制与信息处理教育部重点实验室; 上海市城乡建设和交通发展研究院交通信息中心研究部
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社