本文主要研究内容
作者谭文安,刘新乐（2019）在《基于集成学习的城市空间停停车难度预测》一文中研究指出：停车位预测技术是解决城市停车难问题的一种可行方案。针对神经网络等预测模型难以应对诸如路边占道停车等复杂情况,提出了一个基于支持向量机和决策树集成的模型训练方法,不再着重预测停车位的个数,而是预测某一位置的停车难度。在每轮训练过程中拟合一个支持向量机模型,同时收集预测出错的样本,最后在误分类样本集合上训练决策树模型来提高整个模型的预测准确性。采用该方法训练了一个城市空间停车难度预测模型,并利用该模型预测了近一周时间的停车难度。实验结果显示,该方法的预测效果优于单独使用支持向量机、决策树和全连接神经网络模型,可以较好地捕捉到停车难度随时间变化的基本情况。
Abstract
ting che wei yu ce ji shu shi jie jue cheng shi ting che nan wen ti de yi chong ke hang fang an 。zhen dui shen jing wang lao deng yu ce mo xing nan yi ying dui zhu ru lu bian zhan dao ting che deng fu za qing kuang ,di chu le yi ge ji yu zhi chi xiang liang ji he jue ce shu ji cheng de mo xing xun lian fang fa ,bu zai zhao chong yu ce ting che wei de ge shu ,er shi yu ce mou yi wei zhi de ting che nan du 。zai mei lun xun lian guo cheng zhong ni ge yi ge zhi chi xiang liang ji mo xing ,tong shi shou ji yu ce chu cuo de yang ben ,zui hou zai wu fen lei yang ben ji ge shang xun lian jue ce shu mo xing lai di gao zheng ge mo xing de yu ce zhun que xing 。cai yong gai fang fa xun lian le yi ge cheng shi kong jian ting che nan du yu ce mo xing ,bing li yong gai mo xing yu ce le jin yi zhou shi jian de ting che nan du 。shi yan jie guo xian shi ,gai fang fa de yu ce xiao guo you yu chan du shi yong zhi chi xiang liang ji 、jue ce shu he quan lian jie shen jing wang lao mo xing ,ke yi jiao hao de bu zhuo dao ting che nan du sui shi jian bian hua de ji ben qing kuang 。
论文参考文献
论文详细介绍
论文作者分别是来自上海第二工业大学学报的谭文安,刘新乐，发表于刊物上海第二工业大学学报2019年01期论文，是一篇关于停车预测论文,集成学习论文,支持向量机论文,决策树论文,上海第二工业大学学报2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自上海第二工业大学学报2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：停车预测论文; 集成学习论文; 支持向量机论文; 决策树论文; 上海第二工业大学学报2019年01期论文;