典型文献
基于XGBoost的短时出租车速度预测模型
文献摘要：
准确预测短时出租车速度是识别驾驶员异常加减速行为的前提,有助于提升乘客的安全与舒适.以城市中出租车实时移动速度为研究对象,研究了基于XGBoost的短时出租车速度预测模型.将出租车的移动速度数据集划分为训练集和测试集,构造滑动时间窗口,以时间窗口内的出租车历史移动速度的时间序列为输入变量,以出租车当前时间的移动速度为输出变量,采用前向验证的方法进行模型评估.利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化,得到模型最优参数组合,并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析,将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较.研究表明:所构建的短时出租车速度预测模型的平均绝对误差(MAE)为9.841,均方根误差(RMSE)为12.711,均低于非参数回归模型和神经网络模型,提高了出租车速度的预测精度;由于出租车速度序列缺乏规律性,调整后的R2(R2_adjusted)为0.592,且相较于其他2个模型,XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果,避免了过拟合造成的预测精度下降.
文献关键词：
城市交通;出租车速度;短时预测;XGBoost
中图分类号：
作者姓名：
肖宇;赵建有;叱干都;刘清云
作者机构：
长安大学运输工程学院 西安 710064;长安大学汽车学院 西安 710064
文献出处：
引用格式：
[1]肖宇;赵建有;叱干都;刘清云-.基于XGBoost的短时出租车速度预测模型)[J].交通信息与安全,2022(03):163-170
A类：
出租车速度,hyperopt
B类：
XGBoost,速度预测,准确预测,驾驶员,加减速,减速行为,乘客,移动速度,数据集划分,训练集,测试集,滑动时间窗口,口内,模型评估,贝叶斯算法,快速优化,最优参数,数组,GPS,轨迹数据,算例分析,非参数回归模型,平均绝对误差,MAE,RMSE,度序列,列缺,adjusted,剧变,拟合效果,过拟合,城市交通,短时预测
AB值：
0.211456
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
