基于熵权TOPSIS法的短时交通流预测模型性能综合评价

摘要

对于同一路段,在不同评价指标下,不同短时交通流预测模型的预测及效果评价结果往往存在差异,为从不同模型中寻求最适用于目标路段的预测模型,提出了一种基于熵权TOPSIS法的短时交通流预测模型性能综合评价模型。模型运用熵权法确定各评价指标的权重,然后依据确定的权重,选用TOPSIS法计算有限个评价对象与最优向量的贴近度,根据贴近度大小,对各模型预测性能进行排序,从而确定最适用于当前研究的预测模型。最后,以实际交通流数据为例,选用神经网络等5种模型,分别对路段未来时刻短时交通流进行预测,利用构建的综合评价模型,对各预测模型的预测性能进行综合评判。结果表明:在综合考虑均方根误差等7个评价指标的情况下,XGBoost的预测效果较好,LightGBM次之,然后依次为Catboost、线性回归以及神经网络。