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 1759 个字符，预计需要花费 5 分钟才能阅读完成。

在交通工程领域，流量预测的准确性直接影响信号灯配时效率和道路通行能力。传统方法如 ARIMA 模型对非线性数据（如节假日突发流量）适应性差，LSTM 虽然能捕捉时序特征但存在两个明显缺陷：

对硬件资源要求高，部署成本大
模型可解释性差，交通管理部门难以理解预测逻辑

决策树家族中，我们选择 CART 而非随机森林 /XGBoost 主要基于三点考虑：

计算效率 ：单棵树结构在 4 核 CPU 上训练 5 万条数据仅需 12 秒（实测），而随机森林同等数据需要 3 分钟
解释成本 ：交警部门更接受 ” 如果 A 且 B 则 C ” 的规则式输出，而非集成模型的黑箱结果
部署便捷性 ：CART 模型文件大小通常不超过 1MB，适合边缘设备部署

交通数据的时空特性决定了特征构造方式：

时段特征 ：将一天划分为 6 个时段（早高峰 / 午间 / 晚高峰等），采用 One-Hot 编码
天气因素 ：降水强度映射为 0 - 3 的数值等级，雾霾等特殊天气单独设布尔标记
相邻路段 ：取上下游 500 米内 3 个检测点的流量移动平均值

# 示例：时段特征处理
from sklearn.preprocessing import OneHotEncoder

time_bins = [0,7,10,16,19,22,24]  # 自定义时段分割
time_labels = ['night','morning_rush','day','evening_rush','night_early','late_night']
df['time_period'] = pd.cut(df['hour'], bins=time_bins, labels=time_labels)

encoder = OneHotEncoder(sparse=False)
time_encoded = encoder.fit_transform(df[['time_period']])

通过网格搜索确定最佳参数组合时，重点关注两个核心参数：

max_depth：建议从 5 开始尝试，每增加 1 层深度训练时间呈指数增长
min_samples_split：对于类别不平衡数据（如深夜样本），设置为总样本量的 0.5%-1%

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

param_grid = {'max_depth': [3, 5, 7, 9],
    'min_samples_split': [100, 200, 500]
}

tree = DecisionTreeRegressor(criterion='squared_error')
grid_search = GridSearchCV(tree, param_grid, cv=5, n_jobs=4)
grid_search.fit(X_train, y_train)

print(f"最优参数：{grid_search.best_params_}")
# 输出示例：最优参数：{'max_depth': 5, 'min_samples_split': 200}

采用双模型滚动更新机制：

主模型：每日凌晨 2 点全量训练（使用过去 30 天数据）
辅助模型：每小时增量更新（仅用当天数据）

当传感器数据异常时（如连续 3 个周期流量为 0）：

自动切换至历史同模式数据填充
触发异常报警人工复核流程

针对夜间样本不足的问题，推荐两种解决方案：

样本加权 ：给夜间样本分配 3 - 5 倍权重
分层抽样 ：确保每个时段在训练集中占比不低于 5%

使用 dtreeviz 库展示关键决策路径：

import dtreeviz

viz = dtreeviz.model(tree_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

在杭州市某路口实测数据显示：