基于梯度提升的大规模交通预测——Traffic4cast 2022 挑战赛
机器学习
2022-11-02 v1
摘要
准确的交通预测对于最优出行规划和高效城市出行至关重要。IARAI（人工智能高级研究所）组织 Traffic4cast，一个基于真实数据的年度交通预测竞赛 [https://www.iarai.ac.at/traffic4cast/]，旨在利用人工智能进展产生准确的交通估计。我们展示了针对 IARAI Traffic4cast 2022 竞赛的解决方案，其目标是开发用于预测道路图边拥堵等级和超级路段级行程时间的算法。与往年不同，今年竞赛侧重于建模图边级行为，而非更粗粒度的聚合基于网格的交通影像。因此，我们采用了一种在表格数据建模中常见的方法——梯度提升决策树集成。我们借助经典 PCA 方法降低表示交通计数器的输入数据维度，并将其作为 LightGBM 模型的输入。这种简单、快速且可扩展的技术使我们获得了核心竞赛的第二名。源代码及训练模型文件和提交结果的链接可在 https://github.com/skandium/t4c22 获取。
引用
@article{arxiv.2211.00157,
title = {Large scale traffic forecasting with gradient boosting, Traffic4cast 2022 challenge},
author = {Martin Lumiste and Andrei Ilie},
journal= {arXiv preprint arXiv:2211.00157},
year = {2022}
}