使用机器学习和一组可解释的AI技术来预测速度和对附近道路的影响分析
1Department of Computer Engineering, Hongik University, Seoul, 04066, South Korea.
Scientific reports
|October 25, 2024
概括
这项研究使用先进的人工智能来预测交通速度,并确定了关键的贡献道路. 这些发现使得有针对性的交通控制能够有效地缓解城市网络的拥堵.
科学领域:
- 智能运输系统 (ITS) 是一种智能运输系统.
- 人工智能 (AI) 是一种人工智能.
- 机器学习 机器学习
背景情况:
- 交通速度预测对ITS至关重要,但解释人工智能驱动的预测仍然不发达.
- 准确的交通速度预测对于现实世界的应用是必不可少的.
研究的目的:
- 应用先进的回归技术来准确预测交通速度.
- 解释AI模型并确定影响目标道路拥堵的有影响力的邻近道路.
- 通过交通流动模拟来验证可解释的AI (XAI) 发现.
主要方法:
- 使用XGBoost,CatBoost,随机森林和LASSO进行交通速度预测.
- 采用了一组XAI技术 (GINI重要性,RFE,SHAP) 来识别有影响力的道路.
- 通过流量模拟和局部解释方法 (LIME) 验证的解释.
主要成果:
- 通过使用先进的回归模型,成功预测了随后的时间窗口中的流量速度.
- 识别和排名有影响力的邻近道路,有助于目标节点拥堵.
- 证明操纵有影响力的附近道路可以缓解拥堵.
结论:
- 开发的方法准确地预测交通速度,并解释AI模型的行为.
- 该方法提供了针对性的交通控制策略,以缓解拥堵.
- 这项研究适用于各种交通网络.


