Travel Time Prediction from Sparse Open Data
创建于 更新于
摘要
本文提出并验证了一种“最小拥堵”驾驶出行时间预测方法：利用 OpenStreetMap 的路网与路口/交通管制要素计数、少量 Google Routes API 的训练标签，结合可解释的随机森林回归，可在资源受限环境下显著优于常用的天真路由估计且接近先进模型的精度；在洛杉矶案例中，最终模型的平均偏差仅约0.34秒且 MAPE≈8.4% [page::5][page::7][page::11].
