TY -的A2 -优思明,Shamsunnahar盟——Weerasekera Rivindu盟——曾经,莫汉盟——Ranjitkar Prakash PY - 2020 DA - 2020/06/15 TI -时空数据聚合的影响短期流量预测使用机器学习算法SP - 7057519六世- 2020 AB -短期流量预测是智能交通系统的一个关键组成部分。它使用历史数据构建模型可靠地预测交通状态在特定位置道路网络在不久的将来。尽管是一个成熟的领域,短期流量预测仍然带来了一些开放问题选择最优数据分辨率,预测一次性的拥堵,和相关的时空相关性的造型。一步解决这些问题,探讨人工神经网络的能力,随机森林,支持向量回归算法可靠交通流模型在不同数据分辨率和应对意外的交通事故。我们也探索不同的特征选择方法识别和更好地理解影响最大的时空属性这些模型的可靠性。实验结果表明,数据聚合不一定实现多元时空机器学习模型的良好的性能。学会了利用高分辨率的模型30秒输入数据优于相应的基线ARIMA模型 8 % 。此外,特征选择基于递归特征消除导致模型优于基于线性correlation-based特征选择。SN - 0197 - 6729你2020/7057519 / 10.1155——https://doi.org/10.1155/2020/7057519——摩根富林明-杂志的先进运输PB - Hindawi KW - ER