[发明专利]一种基于Xgboost算法的交通量预测方法

权利要求书

1.一种基于Xgboost算法的交通量预测方法，其特征在于，包括如下步骤：

步骤S1：采集交通量数据，进行数据归一化，划分为训练数据和测试数据；

步骤S2：基于Xgboost算法，对训练数据进行模型训练，确定模型参数；

步骤S3：输入Xgboost模型参数、测试数据，进行交通流的预测；

步骤S4：对Xgboost模型预测结果进行误差评估，还原预测数据进行输出；

其中，所述步骤S2中，Xgboost算法将一系列弱学习器的预测结果组合成为强学习器，对损失函数进行二阶泰勒展开，将预测项和正则化项结合起来，在优化过程中加入二阶导数信息，简化目标函数实现计算资源优化，采用弱分类器集成算法选取合适的参数，具体流程包括：

步骤S21、采用岭回归算法运行训练数据，选取最优alpha值；

步骤S22、采用随机森林算法运行训练数据，选取最优参数；

步骤S23、采用融合算法采取两种模型的优点，提取最优参数，完成模型训练。

2.根据权利要求1所示的基于Xgboost算法的交通量预测方法，其特征在于，所述步骤S1具体包括：

采用线圈对行驶车辆信息收集统计，并分为若干不同时间间隔的交通量数据；

对数据进行归一化，并按照比例划分为训练数据和测试数据，其中，所述数据归一化采用min-max标准化，公式如下：

其中，x*是归一化后的交通量数据，其中max为样本数据的最大值，min为样本数据的最小值。

3.根据权利要求2所示的基于Xgboost算法的交通量预测方法，其特征在于，所述分为若干不同时间间隔的交通量数据具体指分为30分钟、60分钟两个不同间隔的交通量数据。

4.根据权利要求1所示的基于Xgboost算法的交通量预测方法，其特征在于，所述步骤S3具体包括：

输入Xgboost模型参数，采用时间窗步长参数对输入数据进行处理，将前n个时刻的交通量数据输入训练好的Xgboost模型，生成下一时刻的交通量数据预测结果，即n+1时刻的交通量。

5.根据权利要求1所示的基于Xgboost算法的交通量预测方法，其特征在于，所述步骤S4具体包括：

采用训练好的Xgboost模型对预测数据进行交通量预测，将预测数据同实际数据进行误差计算，误差计算采用均方误差和均方根误差作为评估指标，还原预测数据进行输出：

均方误差：

均方根误差：

式中：n是数据集个数，代表预测数据，y_i代表真实数据。