一种用于短时交通状态估计的高效两阶段梯度提升框架
机器学习
2023-02-22 v1
摘要
实时交通状态估计对于智能交通系统至关重要。NeurIPS 2022 Traffic4cast 挑战赛为短时交通状态估计方法提供了一个优秀的基准测试平台。本技术报告描述了我们针对该挑战赛的解决方案。具体而言，我们提出了一种用于短时交通状态估计的高效两阶段梯度提升框架。第一阶段基于稀疏环路计数器数据推导出月份、星期几和时隙索引，第二阶段基于稀疏环路计数器数据以及推导出的月份、星期几和时隙索引预测未来交通状态。实验结果表明，我们的两阶段梯度提升框架取得了强劲的实证性能，在核心挑战和扩展挑战中均获得第三名，同时保持了极高的效率。本技术报告的源代码可在 \url{https://github.com/YichaoLu/Traffic4cast2022} 获取。
引用
@article{arxiv.2302.10400,
title = {An Efficient Two-stage Gradient Boosting Framework for Short-term Traffic State Estimation},
author = {Yichao Lu},
journal= {arXiv preprint arXiv:2302.10400},
year = {2023}
}
备注
The NeurIPS 2022 Traffic4cast Workshop