一种基于MapReduce的短时交通流预测方法

摘要：

非参数回归方法是短时交通流预测常用的方法,但现有非参数回归方法存在预测速度与精度之间的矛盾.为此,提出一种适用于海量历史数据、基于MapReduce与遗传算法的非参数回归短时交通流预测方法.通过引入MapReduce并行计算框架,加快K最近邻算法的搜索速度.在数据预处理阶段利用遗传算法优化关键参数的设置,并采用MapReduce加速参数优化过程,以解决遗传算法迭代运算时间长的问题.实验结果表明,该方法在保证交通流预测精度的前提下,明显提高了预测速度,并且具有较好的可伸缩性.

关键词：交通流预测、非参数回归、K最近邻搜索、遗传算法、MapReduce编程模型、并行计算

所属期刊栏目：41

分类号：TP311(计算技术、计算机技术)

资助基金：广东省中国科学院全面战略合作基金资助项目2012B091100266;广州市科技计划基金资助项目2010Y1-C041;广州市科技计划科技支撑基金资助项目09A11040726

在线出版日期：2015-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：174-179