基于大数据分析的交通拥堵预测技术

• 作者: 林立春 刘华 洪东
• 来源期刊: 西部交通科技
• 学科: 交通运输
• 关键词: 大数据 预测 交通拥堵 加权优化
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 交通工程
• 页码范围: 138-141
• 页数: 4页
• 分类号: U491.2+65
• 语种: 中文
• DOI: 10.13282/j.cnki.wccst.2020.09.038

摘要

文章利用大数据分析,挖掘潜在规则对交通拥堵进行预测,为提高预测的准确性并能适应常发性拥堵和偶发性拥堵,运用了多模型融合技术,加以改进的两级加权优化ELM和自适应权重,同时引入了拥堵传导规则,进一步提升拥堵预测的精确性和关联性.当预测或已发生交通拥堵时,在拥堵诱导上采取局部路网总成本最优化,也可为相应管理部门实现全局路网总成本最优化,以提高道路整体通行能力.仿真实验结果表明,多模型融合技术能有效提高并能在较长时限下维持拥堵预警准确度,可为未来规划提供决策辅助,更为建设智慧交通城市助力.