改进粒子群优化XGBoost模型的高速公路服务区交通量预测
孙朝云1
吕红云2
杨荣新1
魏振荣2
郝雪丽1
裴莉莉1
1.长安大学 信息工程学院,西安 7100642.陕西高速公路服务有限责任公司,西安 710000
摘要：为了科学有效地评估高速公路服务区交通通行服务能力和进行基础设施优化配置,提出一种基于改进粒子群算法(Improved Particle Swarm Optimization,IPSO)和XGBoost融合的高速公路服务区交通量预测模型.首先对粒子群算法的拓扑关系结构进行改进,将粒子群划分为主粒子和从粒子,获得多个改进粒子组,并给出改进后主从粒子速度和位置的更新方法;其次利用线性递增和递减函数对粒子的迭代寻优速度进行自适应调整;最后在模型训练过程中,引入交通量调查数据这一重要特征,并利用IPSO算法对XGBoost模型的主要超参数进行优化选择,建立了交通量调查数据和服务区各交通量之间的IPSO_XGBoost预测模型.结果表明:提出的改进粒子群算法具有更强的参数寻优能力,迭代收敛速度更快,能够搜索出XGBoost模型的理想超参数,实现对服务区交通量的有效预测.同时,提出模型的预测性能明显优于LSTM、XGBoost、CNN-LSTM和PSO_XGBoost,对小型车、大型车、货车、车当量和人当量数据的预测精度分别达到了0.913、0.815、0.872、0.931和0.924.
关键词：高速公路服务区交通量预测改进粒子群算法IPSO_XGBoost
分类号：U495(交通工程与公路运输技术管理)
资助基金：国家重点研发计划(2018YFB1600202)陕西省交通运输厅交通科研项目(18-22R)中央高校基本科研业务费专项(300102240206)
论文发表日期：2021-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 74-83 )
英文信息