RUS  ENG ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ЛИЧНЫЙ КАБИНЕТ
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



КО:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


КО, 2018, том 42, выпуск 6, страницы 1101–1111 (Mi co597)  

ЧИСЛЕННЫЕ МЕТОДЫ И АНАЛИЗ ДАННЫХ

Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей

А. А. Агафоновa, А. С. Юмагановa, В. В. Мясниковab

a Самарский национальный исследовательский университет имени академика С.П. Королёва, 443086, Россия, г. Самара, Московское шоссе д. 34
b ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН, 443001, Россия, г. Самара, ул. Молодогвардейская, д. 151

Аннотация: Точная и своевременная информация о текущем и прогнозном распределении транспортных потоков является важным фактором функционирования интеллектуальных транспортных систем. Использование этих данных позволит транспортным агентствам эффективнее решать задачу управления трафиком, участникам дорожного движения точнее планировать маршрут поездки и снизить время движения, и в целом повысит эффективность использования транспортной инфраструктуры. В данной статье представлена модель краткосрочного прогнозирования трафика, основанная на методе $k$ ближайших соседей, которая учитывает пространственное и временное распределение транспортных потоков. Разработанная модель реализована с помощью фреймворка Apache Spark на основе модели распределённых вычислений MapReduce. Экспериментальные исследования представленной модели по данным о распределении транспортных потоков в транспортной сети города Самары позволяет сделать вывод, что предлагаемая модель обладает высокой точностью прогнозирования и временем работы, достаточным для прогнозирования в режиме реального времени.

Ключевые слова: транспортный поток, краткосрочное прогнозирование, k ближайших соседей, MapReduce.

Финансовая поддержка Номер гранта
Министерство образования и науки Российской Федерации RFMEFI57518X0177
Работа выполнена при финансовой поддержке Министерства науки и высшего образования РФ (уникальный идентификатор проекта RFMEFI57518X0177)


DOI: https://doi.org/10.18287/2412-6179-2018-42-6-1101-1111

Полный текст: PDF файл (867 kB)
Полный текст: http://www.computeroptics.smr.ru/.../420620.html
Список литературы: PDF файл   HTML файл

Тип публикации: Статья
Поступила в редакцию: 03.12.2018
Принята в печать:10.12.2018

Образец цитирования: А. А. Агафонов, А. С. Юмаганов, В. В. Мясников, “Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей”, КО, 42:6 (2018), 1101–1111

Цитирование в формате AMSBIB
\RBibitem{AgaYumMya18}
\by А.~А.~Агафонов, А.~С.~Юмаганов, В.~В.~Мясников
\paper Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей
\jour КО
\yr 2018
\vol 42
\issue 6
\pages 1101--1111
\mathnet{http://mi.mathnet.ru/co597}
\crossref{https://doi.org/10.18287/2412-6179-2018-42-6-1101-1111}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/co597
  • http://mi.mathnet.ru/rus/co/v42/i6/p1101

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles
  • Компьютерная оптика
    Просмотров:
    Эта страница:24
    Полный текст:10
    Литература:6

     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2019