基于随机森林的道路交通拥堵预测
亮点:图可以参考一下
本文提出了一个交通拥挤模型。利用机器学习构造预测分类算法-随机森林构建交通拥塞状态预测模型。
天气状况,时间、道路特殊条件、道路质量\假日作为模型输入变量建立道路交通量预测模型
结果表明利用随机森林建立交通量预测模型分类算法的预测精度为87.5%,
泛化误差低,可以有效。预测。此外,计算速度快,并且具有对拥挤状态的预测具有较强的适用性。
方法里首先介绍CART和RF
建立这个预测模型需要设置两个参数nTrand和MtRee。其中,NTRE表示树的数目[ 10 ]。价值越大树,拟合效果越小,其值越大。NTEAR通常设置为100,OOB之间的关系错误和NTURE大小可以通过计算得到
而MTRID指示特征的数量属性进行选择,其值一般为正方形
所有特征属性的根,以及本文的特征属性为5,因此MTEST的值为2。
影响因素的重要性