原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于人工智能算法使用加州交通数据预测高
速公路交通流
JunseongLee,JaegwanCho,YoonjuCho,SeoyoonChoi,YejinShin
YonseiUniversity,SookmyungWomen’sUniversity
brulee@yonsei.ac.kr,jjgs1235@yonsei.ac.kr,jessicaiq10@yonsei.ac.kr,sseo9872@,yejins0605@
摘要—研究《基于人工智能算法使用加州交通数据预测高于人工智能模型的性能结果。最后，第五节讨论了从本
速公路交通流量》提出了一种基于机器学习的交通流预测模型，研究得出的结论，并提出了未来研究的方向。
以解决全球交通拥堵问题。该研究利用了2022年7月至11月
本期间加利福尼亚州78号公路每30秒间隔的交通数据，分析了II.数据集配置和数据预处理
连接圣地亚哥地区“梅尔罗斯大道”和“国王大道”的一个7.24
译公里向西行驶路段。该研究采用了多元线性回归(MLR)和随机A.数据集描述
中森林(RF)算法，分析的数据收集间隔从30秒到15分钟不等。为了分析圣地亚哥地区的交通流量，利用了加州州
1使用R²、MAE和RMSE作为性能指标，分析表明MLR和际78号公路的数据。研究路段覆盖约7.24公里的西行
vRF模型在10分钟数据收集间隔时表现最佳。这些发现预计有
2车道，连接“MelroseDr”和“El-CaminoReal”。数据
1助于未来解决交通拥堵问题和实现高效的交通管理。
1是在2022年下半年的一个五个月期间收集的，具体从
3I.介绍七月到十一月，每30秒记录一次全天候测量值。我们从
1
7.目前，交通拥堵是全球面临的最紧迫问题之一。根Caltrans：加州交通局获得了该数据集，仅供研究使用。
0据加州空气资源委员会的数据，由于拥堵导致车速每图1显示了安装的环形检测器的位置，用于测量交
5
降低10英里/小时，二氧化碳排放量每英里会增加约通量，这些检测器分布在主线和上下匝道上。使用这套
2
:
v100克[1]。交通分析公司INRIX发布的《2023年全球设备，加州交通运输部门记录每30秒通过的车辆数量
i
x交通记分卡》报告指出，平均每个美国司机每年因交通和道路占用率。以30Hz运行，该系统可以在每个30秒
r
a拥堵损失42小时的时间——相当于整整一周的工作时的时间段内收集多达900个数据点。
间——造成的时间损失价值为[2]。表I描述了构成圣地亚哥县78号州际公路交通数据
康等人利用LSTM预测目标检测器位置的交通量，集的属性。该数据集包括以下元素：测量日期（Date）、
实验中变化了用作输入的上游和下游检测器的数量[3]。每个30秒测量间隔的结束时间（Time）、检测器识别号
然而，他们的实验使用了17,557个样本点，重点放在一码（ID）、高速公路入口/出口位置名称（Name）、每个
个广阔的区域上，而不是对单一路段的下游交通量进行30秒间隔内通过各主线车道的车辆数（LaneX_Vol）、
预测。M.S.A.Siddiquee等人利用每小时的交通数据这些车辆的占有率（LaneX_Occ）。本研究中使用的原
预测孟加拉国高速公路的日交通量。通过采用人工神经始Caltrans数据集包含以30秒为间隔的测量值，总计
网络(ANN)，他们训练间歇性数据以估计缺失值，
文档评论（0）