随机森林在短时交通流中的应用

摘要

支持向量机能够较好地进行短时交通流预测,但没有很好地解决超参问题.随机森林对参数的调节方便,计算速度快,可以处理交通流大规模数据复杂计算问题,因此提出基于MapReduce的并行随机森林的短时交通流预测方法.传统决策树分裂节点均采用单一分裂算法,存在适用性差等问题,针对此问题,提出了组合多节点分裂的MR ONRF算法,得到最优的分裂节点,进而实现交通预测.实验结果表明,MR ONRF算法不仅提高了交通流预测的精确度,而且在时间效率上远远高于单机随机森林和传统MR RF.