摘要
城市道路交通中交通检测器获得的数据往往不完整,存在缺失现象,需要对其进行修复,以保证交通流预测模型的实际应用精度.现阶段随机森林(RF)方法主要应用于交通流预测方面,在交通流数据修复方面的应用和研究较少.针对低缺失比例的交通流数据修复提出了GA-RF模型的缺失数据修复方法,采用遗传算法(GA)对RF模型进行优化调参,用优化后的GA-RF模型修复交通流缺失数据,并将修复效果和其他修复方法进行比较.实验结果表明:在少量数据缺失情况下,所提出的GA-RF方法能很好地实现路段交通流缺失数据修复,且修复精度高于同等缺失比例的RF方法、历史均值法以及历史相邻加权法.
国家科技期刊平台
NSTL
万方数据