《表3 特征列表：基于集成学习的公交车辆到站时间预测模型研究》
提示：宽带有限、当前游客访问压缩模式
将特征因子分为初阶和高阶特征。初阶特征包括请求时间、到站点距离、经过站点数等；高阶特征分为路网（路口数量、红绿灯数量）和统计特征（历史路况和实时路况），特征列表见表3。
| 图表编号 | XD00100236300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.15 |
| 作者 | 荆灵玲、解超、王安琪 |
| 绘制单位 | 中航勘察设计研究院有限公司、中国交通通信信息中心、中交信有限责任公司、北方工业大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基本统计特征：一种基于集成学习的用户基础属性预测方法》2020.12.01
- 《表2 惯性力工况荷载：公交车到站时间预测模型研究》2020.02.20
- 《表1 供试蛹虫草菌株：公交车到站时间预测模型研究》2020.02.20
- 《表4 5种模型预测结果：考虑前序路段状态的公交到站时间双层BPNN预测模型》2020.04.01
- 《表1 关键词列表：基于机器学习LSTM&US模型的消费者信心指数预测研究》2020.07.25
- 《表3 属性特征纬度变化：基于时空相关属性模型的公交到站时间预测算法》2020.03.01
- 《表4 对比实验结果：基于时空相关属性模型的公交到站时间预测算法》2020.03.01
- 《表6 不同模型的拟合度：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表4 时间序列数据特征：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表1 原始数据格式：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表3 站点信息表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表2 到站时间表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表1 公交到站统计：基于运行特性的港湾式公交站延误时间研究》2020.08.01
- 《表1 公交车GPS数据：基于公交专用道的准点到站预测方法》2020.09.25
- 《表2 营运趟次数据：基于公交专用道的准点到站预测方法》2020.09.25
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表4 时间块划分：基于集成学习的公交车辆到站时间预测模型研究》2019.10.15
- 《表4 时间块划分：基于集成学习的公交车辆到站时间预测模型研究》2019.10.15
- 《表1 正交表：基于田口集成学习的最佳交通流量预测模型》2019.12.16