基于Spark的交通流预测方法
俞焕
刘萍
赵国强
陆军炮兵防空兵学院 合肥 230031
摘要：交通流预测相较于其他预测问题要显得更为复杂,因为影响交通流的相关因素比较多.BP神经网络被普遍适用于交通流预测领域,凭借着神经网络较强的学习能力,有效提升了预测的精度,但是随着交通数据步入大数据时代,海量数据的计算与存储影响了整体预测的性能.为了提高BP神经网络预测模型的性能,利用遗传算法进行优化的同时在Spark云计算平台下进行分布式实现,以提高神经网络在大规模数据集下的运行效率.实验结果表明,Spark分布式框架下的遗传优化BP神经网络模型可以有效提升交通流预测的实时性,能够满足城市交通管理系统的具体需求.
关键词：交通流预测BP神经网络遗传算法Spark
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2022-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1190-1195 )
英文信息