基于云計(jì)算的交通流預(yù)測(cè)與狀態(tài)識(shí)別關(guān)鍵技術(shù)研究.pdf

1、隨著城鎮(zhèn)化進(jìn)程的加速推進(jìn)，城市道路交通需求的快速增長(zhǎng)與交通基礎(chǔ)設(shè)施供給速度緩慢之間的矛盾日益突出。特大城市的交通擁堵現(xiàn)象日益嚴(yán)峻，已經(jīng)嚴(yán)重制約我國(guó)城市交通可持續(xù)發(fā)展戰(zhàn)略的繼續(xù)推進(jìn)。因此，只有加快發(fā)展高度智能化與信息化的智能交通管控系統(tǒng)才能從根本上解決目前城市交通的諸多問題。
　　本文研究的重點(diǎn)是交通流預(yù)測(cè)技術(shù)與交通狀態(tài)識(shí)別技術(shù)，交通流預(yù)測(cè)和交通狀態(tài)識(shí)別技術(shù)在智能交通系統(tǒng)（ITS）的發(fā)展和應(yīng)用前景中具有極其重要的研究?jī)r(jià)值和意義。本課

2、題旨在為智能交通管理系統(tǒng)提供一些相應(yīng)的科學(xué)依據(jù)與技術(shù)支持。本文主要研究工作如下：
　　1.為了解決海量交通大數(shù)據(jù)實(shí)時(shí)預(yù)測(cè)問題，引入了Hadoop云平臺(tái)結(jié)合K近鄰非參數(shù)回歸算法來預(yù)測(cè)短時(shí)交通流。由于MapReduce框架的并行性，大大縮減了查找K個(gè)近鄰的時(shí)間。通過實(shí)驗(yàn)證明，在集群上的預(yù)測(cè)時(shí)間相比在單機(jī)上的預(yù)測(cè)時(shí)間大大縮減。并且基于MapReduce框架的預(yù)測(cè)速度隨著集群規(guī)模的增大而增大，表現(xiàn)出了集群的可擴(kuò)展性。同時(shí)又滿足了交通控制與

3、誘導(dǎo)系統(tǒng)的實(shí)時(shí)性需求。目前，國(guó)內(nèi)外很多的研究都集中在從時(shí)間維度上考慮對(duì)交通流進(jìn)行預(yù)測(cè)，這類研究忽視了空間維度上的路網(wǎng)對(duì)當(dāng)前交通流的影響，本文提出了基于時(shí)空相關(guān)性的路網(wǎng)狀態(tài)向量確定方法，使得K近鄰非參數(shù)回歸短時(shí)交通流預(yù)測(cè)滿足了精確性的需求。
　　2.本文提出關(guān)于以云計(jì)算為基礎(chǔ)的交通狀態(tài)識(shí)別的方法，將經(jīng)典的聚類算法通過MapReduce編程模式并行化以后，通過Hadoop平臺(tái)強(qiáng)大的并行任務(wù)執(zhí)行效果，實(shí)時(shí)監(jiān)測(cè)道路的交通狀態(tài)。并且改進(jìn)了K