基于Spark 的交通流預(yù)測(cè)方法*

俞 煥 劉 萍 趙國強(qiáng)

（陸軍炮兵防空兵學(xué)院 合肥 230031）

1 引言

21 世紀(jì)以來，伴隨著科技的飛快進(jìn)步和經(jīng)濟(jì)的高速發(fā)展，工業(yè)制造的成本急劇下降，尤其是汽車制造行業(yè)，在車輛價(jià)格不斷下調(diào)的背后是汽車銷售量的持續(xù)性爆發(fā)。截至2019 年底，全國汽車保有量已經(jīng)達(dá)到2.6 億輛，這給城市管理帶來了巨大的壓力。智能交通系統(tǒng)［1］是綜合考慮了人、車、路，并運(yùn)用信息技術(shù)、電子傳感器技術(shù)、數(shù)據(jù)通信技術(shù)、計(jì)算機(jī)技術(shù)及控制技術(shù)等進(jìn)行有效集成，運(yùn)用于整個(gè)地面的交通管理系統(tǒng)。實(shí)時(shí)交通流量預(yù)測(cè)作為城市智能交通系統(tǒng)誘導(dǎo)和控制的關(guān)鍵技術(shù)［2］，是指利用當(dāng)前和歷史的交通流量信息對(duì)未來的交通流量進(jìn)行預(yù)測(cè)，從而幫助出行者進(jìn)行路徑規(guī)劃，緩解交通擁堵和減少環(huán)境污染等［3］。在交通數(shù)據(jù)步入大數(shù)據(jù)時(shí)代的背景下，利用大數(shù)據(jù)技術(shù)來優(yōu)化交通管理控制系統(tǒng)，實(shí)現(xiàn)交通流的實(shí)時(shí)預(yù)測(cè)，具備著重要的現(xiàn)實(shí)意義。

目前，國內(nèi)外學(xué)者在交通流預(yù)測(cè)領(lǐng)域已經(jīng)取得了許多重大的研究成果。常用的預(yù)測(cè)方法有平均值法、ARMA、線性回歸、非參數(shù)回歸、神經(jīng)網(wǎng)絡(luò)等［4～5］，這些模型雖然在一定程度上實(shí)現(xiàn)了交通流的預(yù)測(cè)，但是在預(yù)測(cè)精度上仍存在一定的差距。20世紀(jì)90年代Vapnik等提出的一種新的網(wǎng)絡(luò)預(yù)測(cè)模型，即支持向量機(jī)［6～7］，有效地克服多維度、非線性和局部最值等復(fù)雜問題，得以廣泛應(yīng)用于多個(gè)領(lǐng)域。賀國光等人同時(shí)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型與數(shù)學(xué)模型來進(jìn)行交通流預(yù)測(cè)，較大地提升了預(yù)測(cè)的精確度［8］。……