|
Эта публикация цитируется в 28 научных статьях (всего в 28 статьях)
ЧИСЛЕННЫЕ МЕТОДЫ И АНАЛИЗ ДАННЫХ
Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей
А. А. Агафоновa, А. С. Юмагановa, В. В. Мясниковab a Самарский национальный исследовательский университет имени академика С.П. Королёва, 443086, Россия, г. Самара, Московское шоссе д. 34
b ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН, 443001, Россия, г. Самара, ул. Молодогвардейская, д. 151
Аннотация:
Точная и своевременная информация о текущем и прогнозном распределении транспортных потоков является важным фактором функционирования интеллектуальных транспортных систем. Использование этих данных позволит транспортным агентствам эффективнее решать задачу управления трафиком, участникам дорожного движения точнее планировать маршрут поездки и снизить время движения, и в целом повысит эффективность использования транспортной инфраструктуры. В данной статье представлена модель краткосрочного прогнозирования трафика, основанная на методе $k$ ближайших соседей, которая учитывает пространственное и временное распределение транспортных потоков. Разработанная модель реализована с помощью фреймворка Apache Spark на основе модели распределённых вычислений MapReduce. Экспериментальные исследования представленной модели по данным о распределении транспортных потоков в транспортной сети города Самары позволяет сделать вывод, что предлагаемая модель обладает высокой точностью прогнозирования и временем работы, достаточным для прогнозирования в режиме реального времени.
Ключевые слова:
транспортный поток, краткосрочное прогнозирование, k ближайших соседей, MapReduce.
Поступила в редакцию: 03.12.2018 Принята в печать: 10.12.2018
Образец цитирования:
А. А. Агафонов, А. С. Юмаганов, В. В. Мясников, “Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей”, Компьютерная оптика, 42:6 (2018), 1101–1111
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/co597 https://www.mathnet.ru/rus/co/v42/i6/p1101
|
Статистика просмотров: |
Страница аннотации: | 291 | PDF полного текста: | 145 | Список литературы: | 37 |
|