[发明专利]一种基于XGboost算法的大型交通拥堵预警方法

权利要求书

1.一种基于XGboost算法的大型交通拥堵预警方法，其特征在于，包括：

从交通数据库中获取指定时段的历史交通流数据，对每条历史交通流数据所代表事件的拥堵情况进行区分并进行标签化，根据拥堵情况区分为造成严重拥堵事件和未造成严重拥堵事件，将标签化的历史交通流数据划分为训练集和测试集；

在对每条历史交通流数据所代表事件的拥堵情况进行区分并进行标签化的步骤中，包括步骤：

识别历史交通数据流的拥堵情况事件类型，将拥堵情况事件类型标记为1和0，形成序列；其中，1表示造成严重拥堵事件0表示未造成严重拥堵事件；

倒置序列，编写返回对应事件列表的函数，转化标签，并填充序列；

构建XGboost算法模型，将作为训练集的历史交通流数据输入XGboost算法模型中进行训练，调节网络参数与函数，至输出的结果为与对应的标签化结果相同为止，训练完成后将作为测试集的历史交通流数据输入XGboost算法模型，验证XGboost算法模型的准确性；

在构建XGboost算法模型的步骤中，包括：

利用Keras神经网络数据库中的XGboost算法，构建XGboost算法模型；

根据交通数据流，定义及调整训练参数；

将待预测道路在指定时段的交通流数据输入训练完成的XGboost算法模型，通过网络模型的计算，输出的结果作为路网交通拥堵情况的预警；

在训练XGboost算法模型的步骤中，包括：

建立XGboost算法模型，将训练集输入XGboost算法模型中，计算预测值；

加入序列模型，计算specity模型指标，以评估XGboost算法模型的性能；

构建ROC曲线，观察XGboost算法模型评估指标结果，并输出效果文件；

通过训练曲线观察训练集和测试集的loss曲线，若呈现下降趋势, 则XGboost算法模型学习成功率总体呈现上升趋势。