基于LightGBM-SVR-LSTM的停车区车位预测

摘要：

停车难和交通拥堵现象愈演愈烈,提前告知驾驶员未来一段时间空车位数量,可以减少其寻找有效车位的时间,进而够缓解拥堵情况.基于此,提出了一种基于LightGBM-SVR-LSTM的停车区剩余车位预测模型.首先,通过数据预处理,尽可能保留原始数据特征的基础上,修复部分噪声数据;其次,将修复的数据放入轻量级梯度提升机(light gradient boosting ma-chine,LightGBM),提取叶子节点的值作为新的特征,并将其放入支持向量回归模型(support vector regression,SVR)进行预测;然后,利用长短时记忆神经网络(long short-term memory neural network,LSTM)进行误差修复.最后,选取某停车区数据,利用均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均百分比误差(mean absolute percent-age error,MAPE)进行预测效果验证.结果表明:在正常条件和节假日期间,所提出的组合模型精度均有提升,具有一定的鲁棒性.

关键词：停车区、数据清洗、剩余车位预测、组合模型

所属期刊栏目：22

分类号：U495(交通工程与公路运输技术管理)

资助基金：国家自然科学基金71871011

在线出版日期：2022-09-02（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：8954-8959