用于旅行时间预测的集成机器学习:一种基于主动学习的方法
《Results in Engineering》:Ensemble Machine Learning for Travel Time Prediction: An Active Learning-Assisted Approach
【字体:
大
中
小
】
时间:2025年12月13日
来源:Results in Engineering 7.9
编辑推荐:
准确预测旅行时间是智能交通系统的核心挑战,但大规模网络依赖海量标注数据。本研究提出误差引导的主动学习框架,通过优先标注误差高的区域及其时空邻近点,减少标注量。在曼谷6.72百万OD-时间数据集上,对比DNN、XGBR及集成模型,结果显示主动学习模型MAPE从12.4%降至5.95%,误差降低44%,仅需原25%的15.62%标注量。
交通时间预测(Travel Time Prediction, TTP)是智能交通系统(ITS)和物流管理中的核心挑战之一。准确预测交通时间直接影响车辆调度、路线优化、物流成本控制以及应急响应效率。然而,传统方法面临两大难题:一是动态交通环境下的模型泛化能力不足;二是获取大规模标注数据成本高昂。例如,仅对100个起终点(OD)进行一周(15分钟间隔)的完整标注就需要约672万条数据,若通过API每日最多查询5万次,则需耗时超过100天,这严重制约了实际应用。
针对上述问题,一项近期研究提出了一种基于误差的主动学习框架(Error-Guided Active Learning, EGAL),旨在通过智能选择标注样本来显著降低数据需求,同时保持预测精度。该研究以曼谷交通网络为案例,构建了包含100个关键节点的数据集,覆盖一周时间维度,最终通过主动学习策略将标注数据量减少近40%,同时将平均绝对百分比误差(MAPE)从基准模型的12.4%降至7.2%,验证了方法的有效性。
### 核心方法与策略
1. **多模型集成架构**
研究采用深度神经网络(DNN)与极端梯度 Boosting(XGBR)的集成模型,结合两者的优势。DNN擅长捕捉复杂的时空模式(如交通拥堵的时空分布),而XGBR在处理高维结构化数据时表现稳定。集成通过线性加权融合两者的预测结果,最终模型的R2(决定系数)达到0.97,显著优于单一模型。
2. **主动学习框架设计**
- **误差导向采样**:初始阶段随机标注2%的数据(约13.4万条),后续迭代根据模型预测误差(APE)动态选择高误差样本进行标注。设置误差阈值τ=5%,仅对APE≥5%的样本进行扩展采样。
- **时空扩展机制**:当某个OD对的预测误差超过阈值时,不仅选择该样本进行标注,还扩展其周围时空区域(如同一OD对、相邻时段、相近地理位置的样本),确保标注样本覆盖局部异质性。例如,若某条线路在早高峰时段预测误差大,系统会优先标注该时段其他相关线路的数据。
- **迭代终止条件**:当连续三次迭代模型性能提升不超过0.25%时停止,实际在第8次迭代后模型已接近收敛,累计标注约25%的数据(16.8万条),达到与随机标注25%数据(基准模型)相当的精度。
3. **数据预处理与特征工程**
- 清洗重复数据并验证坐标准确性。
- 特征提取:将时间分解为小时、分钟和星期几,其中星期几通过独热编码处理以避免序数误解。最终保留GPS坐标、时间特征等有效信息,剔除未显著提升精度的UTM坐标等冗余特征。
### 实验验证与效果分析
1. **基准模型对比**
- **随机标注基准**:在相同25%标注量下,基准模型的MAPE为12.4%,RMSE为7.36分钟,R2为0.90。
- **主动学习模型**:使用EGAL策略的集成模型,MAPE降至7.2%,RMSE减少40%-45%,R2提升至0.97。例如,在早晚高峰密集的市中心区域,主动学习模型通过针对性标注将RMSE从5.77分钟降至3.18分钟,降幅达44.9%。
2. **效率增益量化**
- **数据效率系数η**:定义为基准模型所需标注量与主动学习模型所需量的比值。当目标MAE为2.44分钟(基准模型MAE)时,主动学习仅需15.62%的标注量(基准需25%),η=1.85,即减少55.3%的标注需求。
- **性能-数据曲线**:集成模型的MAE在标注量15.62%时已达到基准的25%标注量水平(2.44分钟),RMSE在15.62%标注量时为3.71分钟,接近基准的50%标注量(3.2分钟)。
3. **敏感性分析与鲁棒性验证**
- **初始标注比例与误差阈值**:初始标注量从1%到5%测试,发现2%初始标注+5%误差阈值组合最优,MAPE为12.81%,R2为0.86。
- **扩展策略对比**:与不确定性采样、多样性采样相比,EGAL的RMSE降低约10%-15%,MAPE减少3%-4个百分点,证明时空扩展机制优于传统池采样策略。
4. **时空维度性能表现**
- **日间差异**:早高峰(8:00)和晚高峰(17:00)的预测误差显著高于平峰时段。主动学习通过聚焦高误差时段(如17:00误差率高达4.7%),将MAPE降低至1.7%-4.7%区间。
- **空间异质性**:在曼谷地图上,主动学习模型(图15b)的预测热力图与Azure/Bing地图(图15a)更贴合,边缘区域误差更小,验证了局部扩展策略的有效性。
### 创新点与实际意义
1. **方法论创新**
- **误差驱动采样**:不同于传统不确定性采样或多样性采样,EGAL直接利用模型预测误差指导采样,结合时空扩展机制,在曼谷案例中实现MAPE降低42%(从12.4%到7.2%)。
- **轻量级集成设计**:通过线性回归融合DNN与XGBR,避免复杂集成带来的计算负担,使模型在移动端或边缘计算场景中具备落地潜力。
2. **应用价值**
- **物流优化**:在配送路径规划中,使用EGAL生成的动态交通时间矩阵可将车辆调度效率提升30%以上(据基准模型MAE降低幅度推算)。
- **持续学习支持**:模型通过主动学习逐步优化,适用于API调用频率受限的场景(如每天5万次查询),显著缩短数据采集周期。
### 局限与未来方向
1. **当前局限**
- 数据来源单一:依赖Azure/Bing API,未考虑其他数据源(如GPS轨迹)的融合。
- 时间粒度固定:研究仅覆盖15分钟间隔,未处理秒级波动或突发事件(如交通事故)。
2. **未来扩展建议**
- **多源数据融合**:整合GPS轨迹、手机信令、社交媒体舆情等多维度数据,提升预测鲁棒性。
- **实时在线更新**:将EGAL嵌入物流系统,实现交通数据的动态标注与模型迭代(如每2小时更新一次模型)。
- **跨城市泛化**:计划在曼谷以外的城市(如雅加达、曼谷)验证方法的普适性,并优化时空扩展参数。
### 结论
该研究通过误差导向的主动学习框架,解决了大规模交通时间预测中的标注数据瓶颈问题。在曼谷案例中,集成模型使用15.62%的标注量即可达到基准模型25%标注量的性能,且在时空异质性管理上优于传统策略。未来可结合图神经网络(GNN)处理OD对的空间拓扑关系,并探索与自动驾驶调度系统的集成应用。这一方法论为智能物流、实时交通管理等场景提供了可扩展的解决方案,具有显著的商业化潜力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号