基于路网相关性的分布式增量交通流大数据预测方法.pdfVIP

第37 卷第2期 地 理 科 学 Vol. 37 No. 2 2017 年02 月 Scientia Geographica Sinica Feb., 2017 李欣，孟德友.基于路网相关性的分布式增量交通流大数据预测方法[J].地理科学,2017,37(2):209-216.[Li Xin, Meng Deyou. Distributed Incremental Traffic Flow Big Data Forecasting Method Based on Road Network Correlation. Scientia Geographica Sinica,2017,37(2):209-216.] doi: 10.13249/ki.sgs.2017.02.006 基于路网相关性的分布式增量 交通流大数据预测方法 李欣，孟德友 （河南财经政法大学中原经济区“三化”协调发展河南省协同创新中心/ 河南财经政法大学资源与环境学院，河南 郑州450046 ） 摘要摘要：针对城市道路拥堵问题的日益加剧的问题，智能化城市交通管理平台是缓解拥堵问题的有效方法，利用交通 流大数据预测结果进行交通诱导，能够指导用户调整出行方案，有效缓解交通压力。研究了交通流大数据的分布 式增量聚合方法，对海量交通流数据进行清洗统计，为交通流预测提供数据基础，基于交通流在路网中上下游路段 的相关性分析，利用路口转弯率多阶分配将该相关性量化，构建基于路网相关性的空间权重矩阵，完成对于 STARIMA模型的改进。通过应用试验证明，该方法能更准确的进行交通流预测，为交通诱导信息发布提供依据。 关键词关键词：交通流；大数据；分布式增量；路网相关性；STARIMA 中图中图分类号分类号：K909 文献标识码文献标识码：A 文章编号文章编号：1000-0690（2017 ）02-0209-08 [11] 中国的城市化进程正在不断加速，汽车数量 阳 提出基于时空依赖性的Kalman 滤波模型，Ka- [12] 增长和城市交通基础设施不足的矛盾日益突出，智 marianakis 等人 在交通流预测中引入时空自回归 [13] [14~ 18] 能化城市交通管理平台是缓解拥堵问题的有效方 移动平均模型 模型，之后国内的一些学者 在 法，通过大数据挖掘进行交通流预测和诱导，能够 此基础上进行了进一步改进，取得了较好效果。 指导用户调整出行方案，有效缓解交通压力。如何 以上研究针对的是固定时段交通流数据的预测， 利用反映交通活动的大量与时空位置相关的数据[1] 有的仅考虑了单点交通流预测，有的对于交通流 进行交通流预测是实现交通诱导的关键问题。 的相关性限制较多，未能真实准确的反应交通流 目前国内外已经产生了很多研究成果。在大 在路网中的实际规律，还需要进行深入研究。