基于Spark的分布式交通流数据预测系统

• 作者: 崔更申 汪振 王玉良 黄廷辉
• 来源期刊: 计算机应用研究
• 关键词: 交通流预测 分布式计算 Spark平台 梯度优化决策树模型
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 405-409,416
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.019

摘要

在大数据时代,在城市复杂交通环境中,实现实时、准确的交通流预测,是实现智能交通系统的必要前提.提出了一种在Spark平台上基于梯度优化决策树的分布式城市交通流预测模型(distributed urban traffic prediction with GBDT,DUTP-GBDT);并提出了分布式情况下梯度优化决策树模型实现的优化方法,包括切分点抽样、特征装箱和逐层训练三种,提高了分布式情况下梯度优化决策树训练效率.基于Spark分布式计算平台高效、可靠、弹性可扩展的优势,以及梯度优化决策树模型准确率较高和时间复杂度较低的优点,利用时间特征、道路状况特征以及天气特征等特征参数,建立了DUTP-GBDT模型,实现了实时、准确的交通流预测.通过与GA-BP、GA-KNN、MSTAR等模型的对比,证明了利用Spark平台,DUTP-GBDT模型在分布式环境下准确率和训练速度方面均有所提高,符合城市交通流预测系统的各项要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄廷辉	桂林电子科技大学计算机与信息安全学院	36	273	10.0	15.0
5	崔更申	桂林电子科技大学计算机与信息安全学院	36	207	7.0	13.0
6	王玉良	桂林电子科技大学计算机与信息安全学院	4	76	4.0	4.0
7	汪振	桂林电子科技大学计算机与信息安全学院	2	24	2.0	2.0