基于贝叶斯决策树的交通事件持续时间预测

Traffic Incident Duration Prediction Grounded on Bayesian Decision Method-Based Tree Algorithm

摘要:

采用基于贝叶斯方法的决策树算法,利用上海市中心城区1536个交通事件持续时间数据,建立交通事件持续时间的预测模型.结果表明,事件类型是决策树中的第一层测试属性,不同类型事件的特性属性在决策树中的位置并不相同.并用384个交通事件数据对模型的预测精度进行检验.检验结果表明,抛锚事件持续时间预测误差小于10 min的正确率为79%,而交通事故持续时间预测误差小于20 min的正确率为65%.基于贝叶斯推理的决策树算法比仅基于贝叶斯或仅基于决策树算法的分类精度更高,鲁棒性更强.

关键词:交通工程;交通事件;事件持续时间;预测方法;贝叶斯;决策树;贝叶斯;决策树;交通事件;时间预测;Algorithm;Tree;Bayesian Decision;Prediction;Incident Duration;鲁棒性;分类精度;推理;事故持续时间;正确率;预测误差;抛锚;检验结果;预测精度;预测模型;事件数据

Abstract:

Key words:交通工程;交通事件;事件持续时间;预测方法;贝叶斯;决策树;贝叶斯;决策树;交通事件;时间预测;Algorithm;Tree;Bayesian Decision;Prediction;Incident Duration;鲁棒性;分类精度;推理;事故持续时间;正确率;预测误差;抛锚;检验结果;预测精度;预测模型;事件数据