短时流量预测研究现状及大数据环境下预测方法探讨
本文针对短时流量预测研究现状,紧扣当前城市交通日益复杂脆弱以及精细化控制对预测精度要求日益苛刻的现实需求,分析了已有方法在实际预测中的特点与局限性,剖析了传统预测手段所面临的诸多挑战与困境.研究结合现代城市交通数字化、信息化、智慧化发展背景,充分把握交通数据由小样本环境向大数据环境转变的有利契机,依据从实际交通大数据中提取的典型数据,分析探讨了从海量数据中挖掘具有相似变化态势的数据来进行短时流量预测的可行性,并提出了相应的短时流量预测算法思路.初步研究表明,该方法能够显著简化短时流量预测模型复杂性,提高预测精度.
城市交通 短时流量预测 数据挖掘 大数据环境 精度控制
谭宇婷 蔡晓禹 雷财林 刘秀彩
重庆交通大学交通运输学院,重庆 400074
国内会议
江苏常熟
中文
26-35
2017-11-22（万方平台首次上网日期，不代表论文的发表时间）