基于贝叶斯网络的交通事件持续时间预测

摘要：

随着数据采集手段的不断提高和相关研究技术的发展，基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据，进行分类和预处理，观察事件持续时间的频数图，并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子，利用数据挖掘软件WEKA建立贝叶斯网络模型，用数据集中80%的数据进行学习建模，20%的数据作为测试集来检测模型的预测效果，并做出性能评价。实验结果表明，与同类数据集的其他预测方法相比，贝叶斯网络模型对于变数众多，随机性特别大的交通事件，预测精度较高，证明贝叶斯网络模型的算法是具有一定优越性和实用价值。

关键词：城市交通、交通事件持续时间、贝叶斯网络模型、数据集分类、影响因子提取、WEKA

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：江苏省自然科学基金项目BK2011745

在线出版日期：2014-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：50-55