基于Spark的多阶空间权重矩阵STARIMA交通流预测分析方法

• 作者: 李欣
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 地球科学
• 关键词: Spark 交通流预测 数据清洗 相关性分析 空间权重矩阵
• 年，卷（期）: 2018,（6）
• 页码范围: 41-49
• 页数: 9页
• 分类号: K909
• 字数: 6451字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2018.06.005

摘要

为了缓解城市拥堵,建立可以预测交通流量的智能交通管理平台.在Spark框架基础上利用孤立点检测算法对实时海量增长的交通流数据进行清洗统计,设计负载均衡规则对数据进行并行注册与存储,通过语义解析和逻辑优化实现分布式语义查询,并利用基于多阶空间权重矩阵STARIMA模型完成交通流预测.通过对比实验证明:①交通流数据清洗、 统计、 注册和存储方法,有效利用了Spark框架的内存计算和迭代计算优势,在大数据环境下,此方法比基于MPI或MapReduce的方法耗时减少60％左右,可以在预测周期内完成数据预处理工作;②语义查询方法将所需数据提供给交通流预测模型,模型中的多阶空间权重矩阵可以更加准确的体现交通流多阶分配规律,与动态STARIMA模型相比预测分析的准确度可提高25％左右,可以为交通诱导信息发布提供参考依据.