基于分类回归树的交通流短时预测

【摘要】：本文研究了将分类回归树的方法应用于短时交通流预测。由于短时交通流量极易受到局部噪声影响,进而导致预测结果不理想,可以被看作是一种复杂的非线性的时间序列。分类回归树是数据挖掘中的一种优良的决策树算法,可以对非线性数据序列进行处理。对于一般的时间序列的预测问题,往往可以建立在数据回归模型基础之上,拟合自变量与因变量之间的相互关系,从而达到对新数据进行预测的目的。而交通流可以被看作是一种更加复杂的非线性时间序列,特别是对交通流进行短时预测。本文采用分类回归树的方法对交通流进行短时预测,并与经典的时间序列预测方法进行比较。最终实验结果表明,该方法能够产生良好的预测效果。