基于CART决策树的交通流量预测模型实战与优化

1次阅读

没有评论

共计 1790 个字符，预计需要花费 5 分钟才能阅读完成。

交通流量预测是智能交通系统的核心任务之一。传统方法如 ARIMA 时间序列模型和 LSTM 神经网络虽然在某些场景下表现不错，但在实际交通工程中却存在明显短板：

ARIMA 模型对非线性关系（如突发交通事故、恶劣天气）的捕捉能力有限，经常出现响应延迟
LSTM 虽然能处理非线性，但训练耗时且需要大量数据，在边缘设备部署成本高
两种模型的可解释性都较差，交通工程师难以理解预测依据

相比于其他树模型，CART 决策树在交通预测场景有三个突出优势：

计算效率 ：在 4 核 CPU 上训练 10 万条交通记录仅需约 30 秒（随机森林需要 3 分钟）
可解释性 ：可以直接看到哪些特征影响流量（比如晚高峰时段权重最高）
参数简单 ：主要调节 max_depth 和 min_samples_split 即可控制模型复杂度

与 XGBoost 对比测试显示：当特征数小于 50 时，CART 的预测准确率差异在 2% 以内，但训练速度快 5 倍。

交通数据的特征构造需要同时考虑时间和空间维度：

# 时段特征（24 小时循环编码）df['hour_sin'] = np.sin(2*np.pi*df['hour']/24)
df['hour_cos'] = np.cos(2*np.pi*df['hour']/24)

# 相邻路段流量差（捕捉空间相关性）df['upstream_diff'] = df['current_flow'] - df['upstream_flow']

# 天气分类编码（使用 pd.get_dummies 处理降雪 / 降雨等）weather_dummies = pd.get_dummies(df['weather_condition'])

通过网格搜索确定最佳参数组合（示例代码）：

from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import GridSearchCV

param_grid = {'max_depth': [3, 5, 7],  # 防止过拟合的核心参数
    'min_samples_split': [10, 20, 50]  # 叶节点最小样本数
}

grid_search = GridSearchCV(DecisionTreeRegressor(),
    param_grid,
    cv=5,  # 5 折交叉验证
    scoring='neg_mean_absolute_error'
)
grid_search.fit(X_train, y_train)

实际测试发现，城市主干道的 max_depth 通常取 5 -7，居住区道路 3 - 5 即可。

采用双阶段更新机制：

每日增量更新：用当天数据微调叶节点统计量
每周全量训练：重新构建整颗决策树

针对常见的传感器故障（如持续 0 值），在特征工程阶段添加异常标记特征：

df['is_abnormal'] = (df['flow'] == 0).astype(int)

对深夜时段样本采用 SMOTE 过采样：

from imblearn.over_sampling import SMOTE

smote = SMOTE(sampling_strategy={2: 500, 3: 500})  # 将凌晨 2 - 3 点样本扩充到 500
X_res, y_res = smote.fit_resample(X, y)

使用 dtreeviz 库展示关键决策路径：

import dtreeviz

viz = dtreeviz.model(
    model,
    X_train,
    y_train,
    feature_names=feature_names,
    target_name='流量'
)
viz.view()  # 生成交互式决策树图示

在某省会城市早高峰数据集上的测试结果：