|
|
1.
面向高速公路大数据的短时流量预测方法
王雪菲, 丁维龙
计算机应用
2019, 39 (1):
87-92.
DOI: 10.11772/j.issn.1001-9081.2018071665
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。
参考文献 |
相关文章 |
多维度评价
|
|
