基于XGBoost算法的高速公路短时交通流量预测
赵 霞1*，高 源1，赵 莉2，唐嘉立3，李之红1
(1. 北京建筑大学 土木与交通工程学院，北京 100044; 2. 中国城市规划设计研究院，北京 100044;3. 江西省交通监控指挥中心，江西 南昌 330036)
摘 要： 在快速城市化背景下，高速公路交通流畅度对经济效率与民众生活至关重要，故在复杂多变的高速公路网中，快速精准预测交通流量成为实时交通管理的核心前提。然而，由于短时交通流具有非线性和随机变化的特点，交通流量的准确预测一直面临着巨大的挑战。为了克服这些挑战，构建了一种基于XGBoost算法的短时交通流量预测模型，旨在提高交通流量预测的准确性。该模型基于XGBoost算法的强大学习能力和优秀的泛化性能，通过对历史交通流量数据的学习，能够更好地捕捉交通流的复杂模式和规律。为了检验XGBoost模型的准确性和有效性，使用江西永武高速公路某路段ETC门架数据进行了一系列测试，并将结果与传统的ARIMA、BP、GBDT、Prophet模型进行了比较。实验结果表明，相比于传统的预测模型，XGBoost模型在短时交通流量预测中具有更高的预测精度。这将为公路交通管理部门提供更有效的决策支持，帮助其优化交通流，减少交通拥堵，提高交通运行效率。
关键词： 智能交通; 短时交通流量预测; XGBoost; ETC卡口; 高速公路
基金项目： 江西省交通运输厅科技项目(2022X0047)
引文格式： 赵霞，高源，赵莉，等. 基于XGBoost算法的高速公路短时交通流量预测[J]. 市政技术，2024，42(10)：31-36. (ZHAO X，GAO Y，ZHAO L，et al. Short-term traffic flow prediction of expressways by XGBoost algorithm[J]. Journal of municipal technology，2024，42(10)：31-36.)