论文部分内容阅读
利用交通大数据进行短时流量预测是智能交通研究的重要课题之一,当前预测方法多以纯数学模型推算为主,忽略了交通态势演变的规律,算法适应性和移植性较差.本文提出共性交通态势寻觅模型,在大数据环境下通过寻找历史相似交通态势方法进行预测.提出利用层次聚类法构建历史交通态势数据库的方法,采用融合距离计算方法代替相似度量机制中的经典KNN 模型.研究了模型中关键参数对预测效果的影响,并给出了参数建议取值.最后在针对某快速路的预测实验中将算法与经典K 邻近和ARIMA 算法进行了对比分析,预测结果显示该算法工作日和非工作日平均绝对百分比误差分别为9.2%、10.2%,预测效果优于经典K 邻近和时间序列ARIMA 算法.