Predicting Traffic Congestion at Urban Intersections Using Data-Driven Modeling

该研究旨在针对城市交叉口交通拥堵这一重要问题，利用一组商用车辆记录的出行指标数据集，对美国主要城市的交叉口拥堵情况进行预测建模。该数据集包括来自4800个交叉口的27个特征，包括交叉口坐标、街道名称、时间等交通指标。为了增强模型的预测能力，还加入了其他特征，如降雨/降雪百分比、距市区和郊区的距离以及道路类型等。该研究方法包括数据探索、特征转换和通过低秩模型和标签编码处理缺失值。该模型有潜力帮助城市规划者和政府预测交通热点，优化运营，并确定基础设施挑战。

开发预测城市交通拥堵的模型，以帮助城市规划和政府部门优化交通运营和识别基础设施挑战。

利用商用车辆的行程记录数据，结合多个特征，如交叉口坐标、时间等，开发预测模型，并加入附加特征以提高预测能力。

使用了包含27个特征的商用车辆行程记录数据集，使用低秩模型和标签编码处理缺失值，提高了模型的预测能力。该模型有助于城市规划者和政府部门预测交通热点，优化运营和识别基础设施挑战。

最近的相关研究包括《城市交通拥堵预测：一种基于深度学习的方法》和《交通拥堵预测：一种基于机器学习的方法》。