基于K邻近算法的城市道路短时交通预测

• 作者: 丘建栋 傅恺延 庄立坚 潘嘉杰 陈昶佳
• 来源期刊: 数据挖掘
• 学科: 交通运输
• 关键词: 智能交通系统 交通预测 城市交通 K邻近算法 差分序列
• 年，卷（期）: 2018,（4）
• 页码范围: 174-185
• 页数: 12页
• 分类号: U4

摘要

为了提高城市道路交通状态预测的准确度,适应交通状态剧烈变化,提出了基于K邻近算法的实时交通预测框架。该框架以路段平均速度的时间序列构建特征向量,提出并应用差分序列考虑交通状态的幅度变化,滚动预测不同道路类型的短时交通状态。实验结果表明,增加差分序列的K邻近算法能准确地实现不同道路类型的短期交通状态预测;对比支持向量与随机森林算法,验证K邻近算法更适应交通状态变化剧烈的次干道交通预测。