10.3969/j.issn.1672-9722.2022.06.008
基于Spark的交通流预测方法
交通流预测相较于其他预测问题要显得更为复杂,因为影响交通流的相关因素比较多.BP神经网络被普遍适用于交通流预测领域,凭借着神经网络较强的学习能力,有效提升了预测的精度,但是随着交通数据步入大数据时代,海量数据的计算与存储影响了整体预测的性能.为了提高BP神经网络预测模型的性能,利用遗传算法进行优化的同时在Spark云计算平台下进行分布式实现,以提高神经网络在大规模数据集下的运行效率.实验结果表明,Spark分布式框架下的遗传优化BP神经网络模型可以有效提升交通流预测的实时性,能够满足城市交通管理系统的具体需求.
交通流预测、BP神经网络、遗传算法、Spark
50
TP301.6(计算技术、计算机技术)
2022-08-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
1190-1195