基于LightGBM算法的公交行程时间预测

交通运输系统工程与信息 ›› 2019, Vol. 19 ›› Issue (2): 116-121.

基于LightGBM算法的公交行程时间预测

王芳杰^*1，王福建²，王雨晨²，边驰²

1. 浙江国际海运职业技术学院航海工程学院，浙江舟山 316021；2. 浙江大学建筑工程学院，杭州 310058

收稿日期:2018-09-17 修回日期:2018-12-07 出版日期:2019-04-25 发布日期:2019-04-25
作者简介:王芳杰(1985-)，男，浙江舟山人，讲师.

Bus Travel Time Prediction Based on Light Gradient Boosting Machine Algorithm

WANG Fang-jie¹, WANG Fu-jian², WANG Yu-chen², BIAN Chi²

1. School of Marine Engineering, Zhejiang International Maritime College, Zhoushan 316021, Zhejiang, China; 2. College of Civil Engineering and Architecture, Zhejiang University, Hangzhou 310058, China

Received:2018-09-17 Revised:2018-12-07 Online:2019-04-25 Published:2019-04-25

摘要/Abstract

摘要：

在城市公交网络运行中，公交车的站点间行程时间会受到道路和环境条件的影响. 本文对公交车运行过程中的车辆速度特征、道路特征及天气特征等进行了分析.建立了基于特征的 LightGBM (Light Gradient Boosting Machine)公交行程时间预测模型，通过调整 LightGBM算法中的相关参数，以分配各个影响特征和因素的权重大小.然后利用天津市某条公交线路 24天的公交车 GPS数据对模型进行了训练和验证，并与基于历史平均值和卡尔曼滤波的行程时间预测模型进行对比.比较结果表明，LightGBM模型在 MAE (Mean Absolute Error)和 MAPE (Mean Absolute Percentage Error)这两个指标上均大幅度优于其他两个模型，说明 LightGBM模型在公交车行程时间预测上具有很好的稳定性和应用前景.

关键词: 城市交通, 预测, LightGBM算法, 公交车行程时间, GPS数据

Abstract:

In the operation of urban public transport networks, the travel time between stations of a bus is affected by road and environmental conditions. This paper analyzes the bus speed characteristics, road characteristics and weather characteristics during bus operation, and a feature- based LightGBM bus travel time prediction model is established. By adjusting the relevant parameters in the LightGBM algorithm, the weights of the influencing features and factors are assigned. Then the model is trained and verified by using the 24-day bus GPS data of one bus line in Tianjin, and compared with the travel time prediction model based on historical mean and Kalman filter. The comparison results show that the LightGBM model is superior to the other two models in MAE (Mean Absolute Error) and MAPE (Mean Absolute Percentage Error), indicating that the LightGBM model has good stability and application prospects in bus travel time prediction.

Key words: urban traffic, prediction, LightGBM algorithm, bus travel time, GPS data

中图分类号:

U491

王芳杰，王福建，王雨晨，边驰. 基于LightGBM算法的公交行程时间预测[J]. 交通运输系统工程与信息, 2019, 19(2): 116-121.

WANG Fang-jie, WANG Fu-jian, WANG Yu-chen, BIAN Chi. Bus Travel Time Prediction Based on Light Gradient Boosting Machine Algorithm[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(2): 116-121.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19808.shtml

http://www.tseit.org.cn/CN/Y2019/V19/I2/116

参考文献

[1] RAMAKRISHNA Y, RAMAKRISHNA P, LAKSHMANAN V, et al. Use of GPS probe data and passenger data for prediction of bus transit travel time [C]// American Society of Civil Engineers. Transportation Land Use, Planning, and Air Quality Congress. Reston, VA: American Society of Civil Engineers, 2008: 124-133.

[2] 于滨, 杨忠振, 林剑艺. 应用支持向量机预测公交车运行时间[J]. 系统工程理论与实践, 2007, 27(4): 160- 164，176. [YU B, YANG Z Z, LIN J Y. Bus arrival time prediction using support vector machines[J]. Systems Engineering-Theory & Practice, 2007, 27(4): 160-164， 176.]

[3] CHEN M, LIU X B, XIA J X, et al. A dynamic busarrival time prediction model based on APC data[J]. Computer- Aided Civil and Infrastructure Engineering, 2004, 19(5): 364-376.

[4] 陈旭梅, 龚辉波, 王景楠. 基于 SVM 和 Kalman 滤波的 BRT行程时间预测模型研究[J]. 交通运输系统工程与信息, 2012, 12(4): 29- 34. [CHEN X M, GONG H B, WANG J N. BRT vehicle travel time prediction based on SVM and Kalman filte[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(4): 29-34.]

[5] LIN Y J, YANG X F, ZOU N, et al. Real- time bus arrival time prediction: Case study for Jinan, China[J]. Journal of Transportation Engineering, 2013, 139(11): 1133-1140.

[6] DHIVYABHARATHI B, KUMAR B A, VANAJAKSHI L. Real time bus arrival time prediction system under Indian traffic condition[C]// 2016 IEEE International Conference on Intelligent Transportation Engineering (ICITE 2016), New York, NY: IEEE Press, 2016: 18-22.

[7] KE G L, MENG Q, FINLEY T, et al. LightGBM: A highly efficient gradient boosting decision tree[C]// Neural Information Processing Systems Foundation, Inc. Advances in Neural Information Processing Systems 30 (NIPS 2017). San Diego, CA: Neural Information Processing Systems Foundation, Inc., 2017: Paper No.6907: 1-9.

[8] WANG D H, ZHANG Y, ZHAO Y. LightGBM: An effective miRNA classification method in breast cancer patients [C]// Association for Computing Machinery. Proceedings of the 2017 International Conference on Computational Biology and Bioinformatics (ICCBB 2017). New York, NY: Association for Computing Machinery, 2017: 7-11.

[9] 王殿海, 汤月华, 陈茜, 等. 基于 GPS数据的公交站点区间行程时间可靠性影响因素[J]. 东南大学学报(自然科学版), 2015, 45(2): 404-412. [WANG D H, TANG Y H ,CHEN Q, et al. Influence factors of GPS- based bus travel time reliability between adjacent bus stations[J]. Journal of Southeast University (Natural Science Edition), 2015, 45(2): 404-412.]

[10] 寇俊佳. 基于 GPS 的车辆到站实时预测模型的研究 [D]. 南昌: 南昌大学, 2015. [KOU J J. The research of bus real- time forecast arrival model based on GPS[D]. Nanchang: Nanchang University, 2015.]

[1]	刘晓冰, 李奉孝, 田欣妹, 闫学东. 基于通勤模式的都市圈中心结构判别研究[J]. 交通运输系统工程与信息, 2022, 22(2): 17-28.
[2]	许奇, 陈越, 黄靖茹, 高顺祥, 张志健. 考虑出行费用的就业可达性分析[J]. 交通运输系统工程与信息, 2022, 22(2): 37-44.
[3]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[4]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[5]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[6]	李欣, 戴章, 李怀悦, 胡笳. 基于连续近似模型的轨道交通与常规公交耦合优化设计[J]. 交通运输系统工程与信息, 2022, 22(2): 206-213.
[7]	郝妍熙, 刘戎阳, 胡华, 方勇, 刘志钢. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2): 223-229.
[8]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[9]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[10]	陈小红, 蓝秋雨. 不确定交通需求下交叉口信号配时区间优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 247-256.
[11]	李冰, 王正辉, 马铭炜, 杨鸿宇, 冯悦. 信号交叉口行人二次过街下右转车通行能力与延误估计模型[J]. 交通运输系统工程与信息, 2022, 22(2): 257-267.
[12]	张培文, 杜福民, 汪瑜. 基于链路预测的中小机场连接机制研究[J]. 交通运输系统工程与信息, 2022, 22(2): 298-304.
[13]	朱彤, 秦丹, 董傲然, 杜雨萌, 魏雯. 公交驾驶员违规类型同交通事故间的关联分析[J]. 交通运输系统工程与信息, 2022, 22(2): 322-329.
[14]	毛保华, 王敏, 何天健, 陈海波. 城市公共交通服务水平研究回顾和展望[J]. 交通运输系统工程与信息, 2022, 22(1): 2-13.
[15]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.