论文部分内容阅读
为了提高城市道路交通状态预测的准确度,适应交通状态剧烈变化,提出了基于K邻近算法的实时交通预测框架。该框架以路段平均速度的时间序列构建特征向量,提出并应用差分序列考虑交通状态的幅度变化,滚动预测不同道路类型的短时交通状态。实验结果表明,增加差分序列的K邻近算法能准确地实现不同道路类型的短期交通状态预测;对比支持向量与随机森林算法,验证K邻近算法更适应交通状态变化剧烈的次干道交通预测。