基于WOA-XGBoost的空闲停车位短期预测方法_宋瑞.pdf
《基于WOA-XGBoost的空闲停车位短期预测方法_宋瑞.pdf》由会员分享,可在线阅读,更多相关《基于WOA-XGBoost的空闲停车位短期预测方法_宋瑞.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 42 卷第 3 期重 庆 交 通 大 学 学 报(自 然 科 学 版)Vol 42No32023 年 3 月JOUNAL OF CHONGQING JIAOTONG UNIVESITY(NATUAL SCIENCE)Mar 2023DOI:103969/jissn1674-069620230312基于 WOA-XGBoost 的空闲停车位短期预测方法宋瑞,程子龙,赵日鑫(北京交通大学 综合交通运输大数据应用技术交通运输行业重点实验室,北京 100044)摘要:为了提高空闲停车位短期预测的准确性,基于停车场空闲停车位数据特性,提出了一种基于鲸鱼优化算法(WOA)和极限梯度提升算法(XGBoo
2、st)的组合预测模型。首先对空闲停车位的随机性进行分析,同时采用奇异谱分析(SSA)对原始数据进行解构和重构,从而对实现原始数据主要成分的提取以及噪声的剔除;其次采用鲸鱼优化算法实现对 XGBoost 预测模型的主要参数进行寻优,找到全局最优参数;最后通过实例对提出的预测模型的准确性进行了验证。实验结果表明:实现参数优化的 XGBoost 预测模型具有较高的预测精度以及稳定性。关键词:交通运输工程;空闲停车位预测;奇异谱分析;鲸鱼优化算法;XGBoost中图分类号:U4911文献标志码:A文章编号:1674-0696(2023)03-084-06Short-Term Prediction Me
3、thod of Parking Space Based on WOA-XGBoostSONG ui,CHENG Zilong,ZHAO ixin(Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport,Beijing Jiaotong University,Beijing 100044,China)Abstract:In order to improve the accuracy of short-term prediction of parkin
4、g space,based on the data characteristics offree parking space in parking lots,a combined prediction model combined whale optimization algorithm(WOA)andextreme gradient boosting algorithm(XGBoost)was proposed Firstly,the randomness of the data of free parking space wasanalyzed,and the singular spect
5、rum analysis(SSA)was used to deconstruct and reconstruct the original data,so as toextract the main components of the original data and eliminate the noise Secondly,the whale optimization algorithm wasused to optimize the main parameters of XGBoost prediction model and find the global optimal parame
6、ters Finally,theaccuracy of the proposed prediction model was verified by an example The test results show that the WOA-XGBoostprediction model that optimizes parameters has higher prediction accuracy and stabilityKey words:traffic and transportation engineering;parking space prediction;singular spe
7、ctrum analysis;whale optimizationalgorithm;XGBoost0引言随着国内物质水平的不断提升,各个城市均呈现出机动车保有量持续增长的趋势,随之暴露出的便是城市“停车难”问题。由于国内各个城市智慧停车场建设尚未完善,驾驶者在停车过程中表现出获取信息不对称等问题,以致于造成大量机动车在城市道路中“巡游”,造成城市道路拥堵的同时导致大量尾气排放,污染城市环境。对于一些大型停车场来说,停车位信息是不断变化的,仅仅提供停车位的实时信息,会忽略驾驶者在行驶过程中停车位数量的变化情况,不能保证驾驶员到达停车场时可以找到空闲停车位,很容易造成驾驶员“跑空”的尴尬情形,导
8、致大量无效交通的产生。尤其是驾驶员在行驶过程中遇到中心城区拥堵现象的发生,则会进一步加剧获取信息的不对称性。实现停车场空闲停收稿日期:2021-11-19;修订日期:2022-01-16基金项目:国家自然科学基金资助项目(62076023)第一作者:宋瑞(1971),女,山西太原人,教授,博士,主要从事交通运输规划与管理方面的研究。E-mail:rsong bjtueducn通信作者:程子龙(1997),男,河北保定人,硕士研究生,主要从事交通运输规划与管理方面的研究。E-mail:20120782 bjtueducn车位的短期预测,为驾驶者提供全面的停车位信息可以缓解驾驶者获取信息不对称问题
9、,进一步提高停车诱导成功率,改善城市停车难问题。由于受到停车场类型、天气、道路交通情况、驾驶员行为以及采集过程中的干扰等多种因素影响,停车位数据构成的时间序列会表现出较高的复杂性和随机性。对此,国内外学者针对停车位短期预测提出了多种预测模型,笔者将其主要分为两种。一种是以模型驱动为主的预测模型1-3,主要是针对停车过程建立基本模型并通过标定参数进行空闲停车位的短期预测。另一种是以数据驱动为主的预测模型,包括基于数理统计和机器学习的方法建立模型进行预测,如 JI Yanjie 等4 采用三层小波神经网络对停车场内短期停车位可用率进行预测;肖雪5 通过聚类分析停车数据获取车辆到达和离开的规律,采用
10、马尔可夫生死过程建立模型进行预测,同时利用粒子群优化 LSTM(long short-term memory)对停车需求进行了预测;章伟6 提出了傅里叶变换-最小二乘支持向量回归的多步预测方法,进一步提高了预测精度;AKLAPPENECKE 等7 通过连续时间的马尔科夫链进行建模对停车位进行预测,这种方法简单快捷,但是鲁棒性较差,预测结果有时存在较大误差。这些模型中神经网络模型具有较强的容错性,但训练速度有待提高。目前集成算法在各类数据科学竞赛以及不同领域预测方面得到广泛应用。相比传统的神经网络,集成算法拥有更快的训练速度,预测准确率也有较大 的 提 升。其 中,XGBoost(extreme
11、gradientboosting)是一种基于 Boosting 集成思想的集成算法,具有高效、灵活、便捷的特点。XGBoost 将决策树作为弱学习器,并通过集成多个弱学习器从而获得更好的预测结果,具有速度快、表现好的优越性。付宇等8 对北京轨道 AFC 数据进行处理并采用 XGBoost预测模型对轨道交通站点进出客流量进行预测;陈剑强等9 采用 XGBoost 模型实现电网负荷短期预测,并通过对比证明了所提模型具有更高的准确性。通过总结发现,相比单一预测模型,通过智能优化算法实现超参数寻优的组合预测模型具有更高的预测精度。其中,鲸鱼优化算法是一种新型启发式算法,具有收敛速度快,全局寻优等特点。
12、对此,笔者首先对空闲停车位数据进行预处理,然后引入 XGBoost算法并结合鲸鱼优化算法实现初始参数的寻优,构建组合预测模型,最后通过实例验证所提模型的有效性。1数据分析及预处理文中所用数据为英国伯明翰城市停车场数据,该数据集采集时间为 2016 年 11 月 1 日2016 年11 月 30 日,如图 1。首先需要对停车场空闲停车位数量变化的随机性进行分析以及预处理操作。总体而言,该数据集整体变化趋势大致相同。图 12016 年 11 月 1 日11 月 7 日空闲停车位数据Fig 1Data of free parking space from November 1 toNovember
13、7,201611随机性分析停车场空闲停车位数据在采集过程中会受到多种随机因素的干扰,造成数据的剧烈变化。对此笔者采用波动率来更好地描述空闲停车位数据的随机性,如图 2。假设时间序列为 XN,则某一时间点数据的波动率 vk=(Xk+1Xk)/Xk,k=1,2,N1,其中 N 为数据总长度,k 为对应的序号。图 2空闲停车位数量序列波动率Fig 2Fluctuation rate of the number of free parking space12奇异谱分析由图 2 可知,该数据具有很强的波动性且波动规律性较弱,存在较大的噪声干扰。对比小波分析,奇异谱分析可以更好地的提取数据的有用信息剔除噪
14、声数据10。笔者将采用奇异谱分析实现对数据的预处理。奇异谱分析结合了线性代数、多元统计、动力系统、信号处理等传统时间序列分析方法。在58第 3 期宋瑞,等:基于 WOA-XGBoost 的空闲停车位短期预测方法对非线性时间序列进行处理时,奇异谱分析根据原始时间序列构造轨迹矩阵,并对轨迹矩阵进行分解和重构,从而实现对原始时间序列不同成分的提取以及噪声的剔除。首先,对原始时间序列进行轨迹矩阵的构造,选择合适的窗口长度 M,采用滑动窗口的方式进行等间隔采样,将原始时间序列进行滞后排列,从而得到原始时间序列的轨迹矩阵。假设原始时间序列为X=X1,X2,XN,其中 N 为原始时间序列长度。M 为给定窗口
15、长度,取值范围为 1MN/2。由此可得出 L=NM+1,则轨迹矩阵 Y 为 ML 的矩阵:Y=(Xij)M,Li,j=1=X1X2XLX2X3XL+1XMXM+1XN (1)其次,对轨迹矩阵 Y 进行奇异值分解和分组。最后通过对角平均化可以将分组得到的矩阵转化为一系列长度为 N 的新序列,可根据贡献率选择贡献大的成分序列进行重构从而达到原始序列降噪的目的。笔者采用后验的方法,设置窗口长度为 256,提取前 14 个主成分,对停车场数据进行重构,重构序列如图 3。图 3停车场数据 SSA 处理结果Fig 3Parking lot data SSA processing results2预测模型的
16、提出21鲸鱼优化算法鲸鱼 优 化 算 法(whale optimization algorithm,WOA)是由 SMIJALILI 等11 于 2016 年提出的一种启发式优化算法,通过模拟座头鲸狩猎行为找寻问题最优解,具有调整参数少、全局搜索能力强、操作简单的特点。笔者将其应用于 XGBoost 超参数的寻优。鲸鱼优化通过随机选择的鲸鱼位置来更新其他鲸鱼的位置,避免陷入局部最优,从而实现全局最优搜索。x(t)为鲸鱼当前位置;t 为当前迭代次数,通过系数 A 实现全局寻优,其数学模型如式(2):x(t+1)=xrandD1D1=|cxrandx(t)|A=2ar1ac=2ar2a=22t/T
17、max(2)式中:xrand为群体中随机选择的鲸鱼位置;A 和 c 为系数;r1,r2为 0,1中的随机数;Tmax为最大迭代次数。在包围猎物过程中,WOA 算法将会假定当前的最佳候选解是目标猎物或接近最优解,然后其他鲸鱼个体会朝着最优位置更新位置,数学模型如式(3):x(t+1)=x*(t)AD2D2=|cx*(t)x(t)|(3)式中:x*(t)表示当前最优解。同时座头鲸在狩猎过程中会在一个缩小的圆圈内绕着猎物游动,同时螺旋式靠近猎物。为了更好地表达这一行为,通过设置概率系数 p,当 p05时,采用螺旋式更新位置,反之采用包围式更新位置,数学模型如式(4)、式(5):x(t+1)=x*(t
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 WOA XGBoost 空闲 停车位 短期 预测 方法 宋瑞
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。