资料下载
如何使用面向高速公路的大数据进行短时流量预测方法资料说明
分享资料个
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。
近年来，随着我国经济稳定的发展和高速公路路网建设日渐完善，高速路网的交通流量不断增长，人们的交通需求也逐渐增加，给路网的通行能力带来一定挑战。 路网中交通拥堵问题带来-些社会问题，不仅增大了处理交通拥堵的花销，还给我国经济带来了一定损失，因此减少交通拥堵是我国需要解决的重大社会问题之一。对交通状况的控制和交通流诱导是智能交通系统（ Itelligent Transport System， ITS）的核心研究问题其关键在于短时交通流量预测，使之利用交通管控在路网中分散交通流，缓解交通拥堵状况，给出行者提供交通诱导信息。交通流根据预测周期可分为两类：短时预测（ short-term Forecasting） 和中长时预测（mid-long-termForecasting）。其中短时交通流预测指以5 ~ 30 min时间跨度上的时间间隔，运用当前交通流数据信息去预测下一个5min至30min内的交通流量，本文以时间间隔取5min为例讨论短时交通流量的预测。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
