基于时空权重相关性的交通流大数据预测方法

摘要：

将分布式增量大数据聚合方法与交通流数据清洗规则相结合,可以为交通流预测分析提供更准确可靠的数据源.通过交通流在路网中的相关性分析,使用多阶路口转弯率构建空间权重矩阵,完成对STARIMA交通流预测模型的改进.实验结果表明,该方法可以在工作效率及准确程度上满足交通流大数据预测的需求,为交通诱导信息发布提供依据.

关键词：交通流、大数据、分布式增量、路网相关性、STARIMA

所属期刊栏目：53

分类号：P91(数理地理学)

资助基金：国家自然科学基金41501178;河南财经政法大学博士科研启动基金800257

在线出版日期：2017-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：775-782