梯度提升回归树方法在跟车行为估计中的评估
应用统计
2018-06-13 v1
摘要
跟车模型作为交通微观模拟的基本组成部分，自六十年前起就被用于分析和估计驾驶员的纵向行为。传统的跟车模型使用数学公式来复现人类在跟车现象中的行为。这些方法难以捕捉车辆间复杂的交互作用，因此需要部署先进的学习框架以考虑更细致的驾驶员行为。在本研究中，我们将梯度提升回归树（GBRT）算法应用于通过下一代仿真（Next Generation Simulation）项目收集的车辆轨迹数据集，以开发一种新的跟车模型。首先，使用交叉验证技术和敏感性分析对所用方法的正则化参数进行调优。随后，在相同的训练数据集上，将 GBRT 的预测性能与世界著名的 GHR 模型进行比较。模型在未见记录上的估计结果表明，GBRT 算法在捕捉两连续车辆运动特征方面具有优越性。
引用
@article{arxiv.1804.04954,
title = {Evaluation of the Gradient Boosting of Regression Trees Method on Estimating the Car Following Behavior},
author = {Sina Dabiri and Montasir Abbas},
journal= {arXiv preprint arXiv:1804.04954},
year = {2018}
}
备注
17 pages, 4 figures, 1 table