基于大数据的非参数回归短时交通流预测方法

被引：29

作者：

冯青平

李星毅

机构：

[1] 江苏大学计算机科学与通信工程学院

来源：

无线通信技术 | 2015年 / 24卷 / 03期

关键词：

交通流预测; 非参数回归; K近邻; MapReduce; Hadoop;

D O I：

暂无

中图分类号：

U491 [交通工程与交通管理]; TP311.13 [];

学科分类号：

082301 [道路与铁道工程];

摘要：

为了解决海量交通大数据实时预测问题,引入了Hadoop云平台结合K近邻非参数回归方法预测短时交通流。由于MapReduce框架的并行性,大大缩减了查找K个近邻的时间。通过实验证明,在集群上的预测时间相比在单机上的预测时间大大缩减。并且基于MapReduce框架的预测速度随着集群规模的增大而增大,表现出集群的可扩展性。该方法可以满足交通控制和交通诱导系统的实时性和精确性的需求。

引用

页码：38 / 43

页数：6

共 7 条

[1]

基于相似性的交通流分析方法 [D].

李星毅 .

北京交通大学,

2010

[2]

A two-stage short-term traffic flow prediction method based on AVL and AKNN techniques.[J].孟梦;邵春福;黃育兆;王博彬;李慧轩;.Journal of Central South University.2015, 02

[3]

基于遗传算法优化和KD树的交通流非参数回归预测方法 [J].