交通量预测的机器学习方法：以摩洛哥高速公路网为例
计算机与社会
2017-11-21 v1 机器学习
摘要
在本文中，我们旨在阐述在开发摩洛哥高速公路交通预测工具时所采用的多种方法。我们采用了两种主要方法：作为数据探索与数据整理步骤的统计分析，并由此建立了一个beta模型以更好地理解交通行为。接下来，我们转向机器学习，使用了一系列算法，如随机森林（Random Forest）、人工神经网络（Artificial Neural Networks）、极端随机树（Extra Trees）等；然而，我们确信该研究领域仍被视为处于SOTA模型之下，因此我们也涵盖了长短期记忆神经网络（Long Short-Term Memory Neural Networks）的应用。
引用
@article{arxiv.1711.06779,
title = {Machine Learning Approaches for Traffic Volume Forecasting: A Case Study of the Moroccan Highway Network},
author = {Abderrahim Khalifa and Younes Idsouguou and Loubna Benabbou and Mourad Zirari},
journal= {arXiv preprint arXiv:1711.06779},
year = {2017}
}
备注
Presented at NIPS 2017 Workshop on Machine Learning for the Developing World