面向高速公路大数据的短时流量预测方法

• 作者: 丁维龙 王雪菲
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 交通流量 短时预测 K近邻 时空数据 大数据
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 2018年全国开放式分布与并行计算学术年会(DPCS 2018)论文
• 页码范围: 87-92
• 页数: 6页
• 分类号: TP319
• 字数: 9720字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018071665

摘要

针对高速公路传统的短时交通流预测方法适用数据规模小、全网预测效率较低、数据的时空关系被忽视等问题,提出一种结合了K近邻(KNN)模型且面向高速大数据的短时交通流预测方法.首先,对模型的K值和距离度量进行调优,利用交叉验证进行模型参数的对比实验;然后,考虑数据内在的业务时空关联,建模基于时空特性的特征向量;最后,在大数据环境下建立回归预测模型,以最优参数的模型实现预测.实验结果表明,与传统时间序列模型相比,所提方法一次可预测出全站点的流量,单次运行速度快,效率提高了77％,平均绝对百分比误差(MAPE)和绝对百分比误差中位数(MDAPE)均有明显减低,且具有良好的水平扩展性.