亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        KNN在短時交通流預(yù)測上的應(yīng)用與研究

        2020-11-25 20:15:44林羅杰殷鋒袁平
        現(xiàn)代計算機 2020年10期
        關(guān)鍵詞:方法模型

        林羅杰,殷鋒,袁平

        (1.四川大學(xué)計算機學(xué)院,成都 610065;2.西南民族大學(xué)計算機科學(xué)與技術(shù)學(xué)院,成都 610041;3.重慶第二師范學(xué)院數(shù)學(xué)與信息工程學(xué)院,重慶 400067)

        0 引言

        智能交通系統(tǒng)(Intelligent Transportation System,ITS)的目標(biāo)是盡可能提高交通資源的利用率,并對其進行有效的控制和管理。為了達到這個目的,ITS需要對現(xiàn)有的交通狀態(tài)做出合適的響應(yīng),除此之外,利用歷史數(shù)據(jù)和當(dāng)前狀態(tài)對未來的交通狀況做出及時、準(zhǔn)確的預(yù)測也是十分重要的一環(huán),這將更好地幫助系統(tǒng)做出正確的決策。

        針對交通流預(yù)測的研究和模型眾多,大致可以分為兩類:①基于統(tǒng)計學(xué)理論、②基于數(shù)據(jù)驅(qū)動。基于統(tǒng)計學(xué)理論的方法一般基于某種特定的假設(shè),例如時間序列分析中被廣泛應(yīng)用的ARIMA(自回歸積分移動平均)模型就建立在時間序列平穩(wěn)的基礎(chǔ)假設(shè)之上,在滿足條件的情況下才能進行后續(xù)的模型識別以及參數(shù)確定。除了時間序列分析之外,常見的基于統(tǒng)計學(xué)理論的預(yù)測方法還有歷史平均法、局部線性回歸法、卡爾曼濾波法等。該類方法大多比較簡單,計算方便,但是不能很好地應(yīng)對交通流的隨機特性,更適合做一些粗略的估計[1]。基于數(shù)據(jù)驅(qū)動的方法雖然研究時間起步較晚,但是隨著數(shù)據(jù)的增長以及機器學(xué)習(xí)的興起,近年來受到的關(guān)注也越來越多[2]?;跀?shù)據(jù)驅(qū)動的方法往往直接從數(shù)據(jù)中學(xué)習(xí)經(jīng)驗,不需要嚴(yán)格的先驗知識也能達到較好的預(yù)測效果,常見的模型有SVR(支持向量回歸)模型,KNN模型和基于神經(jīng)網(wǎng)絡(luò)的模型等,其中KNN模型作為一種簡單有效的數(shù)據(jù)驅(qū)動方法,已經(jīng)被廣泛運用于各種交通流預(yù)測研究之中。

        1 理論基礎(chǔ)

        1.1 短時交通流預(yù)測

        交通流預(yù)測可以看作是一個指定興趣區(qū)域和時間間隔,并根據(jù)當(dāng)前交通狀態(tài)和歷史數(shù)據(jù)對下一個時間間隔的交通量進行預(yù)測的過程,常見的交通量有流量、速度、密度和旅行時間等。所謂短時交通流是相對長時交通流而言的,二者的區(qū)別體現(xiàn)在時間間隔上,前者的時間間隔一般不超過一個小時,一般用于對交通狀況實時地進行預(yù)測和管理;而后者的研究目標(biāo)通常是一整天或更長時間,一般用于對特定交通區(qū)域進行長期的預(yù)測和規(guī)劃。

        從時間序列分析的角度來看,可以把預(yù)測問題定義為已知歷史交通流序列X=[X1,X2,…,Xi,…,XT-1]和當(dāng)前交通量XT,求下一時刻的交通量XT+1。其中T是當(dāng)前時段,T+1是要預(yù)測的下一時段,Xi對應(yīng)第i段時間間隔中采集的交通量數(shù)值,X1是歷史數(shù)據(jù)集的起始參照點。

        1.2 KNN 方法

        KNN方法本質(zhì)上是一種模式識別的方法,該方法通過某種相似性度量函數(shù)計算歷史狀態(tài)與當(dāng)前狀態(tài)的相似程度,如果能找到與當(dāng)前狀態(tài)最相似的K個歷史狀態(tài)(也稱作狀態(tài)向量),那么這K個歷史狀態(tài)就成為了的K個“近鄰”,“近鄰”的相關(guān)特性可用于評估當(dāng)下的狀態(tài)。

        在交通流預(yù)測領(lǐng)域中,KNN方法最簡單的應(yīng)用方式就是將歷史時序數(shù)據(jù)“切片”構(gòu)建成樣本庫(每一個時間片就是一個狀態(tài)向量),當(dāng)有預(yù)測需求時,將當(dāng)前時間片與樣本庫中的時間片進行比對,選出最相似的K個時間片,然后對這K個時間片各自對應(yīng)的下一時間間隔的交通量進行累加求平均,方可求得預(yù)測值。

        KNN方法的四個核心問題分別是:①如何選擇合適的狀態(tài)向量;②如何衡量狀態(tài)向量之間的相似性;③如何確定K的大??;④如何根據(jù)K個近鄰進行預(yù)測。上述過程只是簡單地利用了順序時序數(shù)據(jù)并使用累加求平均的方式獲得預(yù)測值,實際情況中往往需要考慮更多的因素,采取更復(fù)雜的算法,才能取得較好的預(yù)測效果。

        2 相關(guān)應(yīng)用與發(fā)展

        Smith團隊[3]早在1996年就提出了使用“非參數(shù)回歸模型”對高速公路流量進行預(yù)測,此處“非參數(shù)回歸模型”的核心就是KNN方法,該研究指出在構(gòu)建狀態(tài)向量時除了利用歷史時間序列之外,引入歷史平均值可以取得更優(yōu)的預(yù)測精度。另外,相較于傳統(tǒng)的建模方法只能預(yù)測未來最近的一個時間段而言,KNN方法可以一次性預(yù)測即將到來的多個時間段,實驗證明“多步預(yù)測”的預(yù)測效果與預(yù)測時間點有關(guān),但總體效果在可以接受的范圍內(nèi)。1997年,該團隊[4]發(fā)現(xiàn)KNN方法在同一數(shù)據(jù)集上的預(yù)測效果要優(yōu)于HA(歷史平均)模型,ARIMA模型和神經(jīng)網(wǎng)絡(luò)模型,通過在兩個測試站點上的對比實驗,證明KNN方法的誤差分布情況最好,且不需要根據(jù)數(shù)據(jù)的變化而調(diào)整模型本身,泛化能力較好。2016年,F(xiàn)ilmon等人[5]對傳統(tǒng)的KNN方法進行了多個方面的改進,包括引入加權(quán)的歐氏距離,使用縮尾處理(winsorization)抑制占主導(dǎo)地位的“近鄰”和LOESS(局部估計散點平滑)技術(shù),使平均絕對誤差相較于其他對照模型降低了25%以上。

        KNN方法存在的一個問題是隨著數(shù)據(jù)庫的增大,搜索“鄰居”的時間也會隨之增加。數(shù)據(jù)的多樣性和完整性是KNN有效運行的前提,這要求歷史數(shù)據(jù)庫必須包含盡量多的交通狀態(tài),如何減少搜索時間成為了保證算法實時性的關(guān)鍵。2015年,Marcin等人[6]發(fā)現(xiàn)最近的“鄰居”總是出現(xiàn)在一個相對較窄的時間段內(nèi),于是提出了一種數(shù)據(jù)分割的方法,該方法可以通過“軟計算分析”從歷史時間序列中分割出對預(yù)測算法最有用的片段,這樣可以縮減匹配的規(guī)模,從而提升計算速度。同年,Meng等人[7]針對KNN搜索時間優(yōu)化的問題,提出應(yīng)該用平衡二叉樹(AVL)結(jié)構(gòu)取代傳統(tǒng)的線性結(jié)構(gòu)。首先采用聚類方法和AVL技術(shù)對數(shù)據(jù)庫進行更新,然后通過改良的KNN來預(yù)測未來的交通流,并在搜索的過程中兩次使用模式識別分別確定鄰居和模式的大小,實驗證明該方法可以有效提高實時搜索速度。

        近年來,僅僅研究時間依賴對交通流的影響已經(jīng)不能滿足需求,越來越多的學(xué)者發(fā)現(xiàn)交通網(wǎng)絡(luò)中的空間依賴也會對預(yù)測產(chǎn)生影響。2016年,Yu等人[8]將預(yù)測站點的上下游鏈路信息考慮到預(yù)測算法中,并建立了四種不同的空間相關(guān)性KNN預(yù)測模型,發(fā)現(xiàn)考慮了空間因素的預(yù)測模型要優(yōu)于只考慮時間依賴的傳統(tǒng)模型,除此之外實驗數(shù)據(jù)還表明下游鏈路信息相對于上游鏈路信息而言更加重要。2018年,Unsok等人[9]認(rèn)為現(xiàn)有的研究沒有全面地利用預(yù)測點周邊的空間信息,提出了一種利用互信息(Mutual Information)評價時空相關(guān)性的方法,該方法可以從多個與預(yù)測點相關(guān)的路段中挖掘出最相關(guān)和路段和滯后時延,并通過貪婪選擇算法構(gòu)建交通狀態(tài)向量,其效果優(yōu)于傳統(tǒng)KNN方法和普通時空模型。

        3 分析展望

        KNN方法的優(yōu)點是簡單,易于部署和泛化能力好。并且相對于傳統(tǒng)方法中需要對數(shù)據(jù)進行平滑處理和歷史平均等情況,KNN方法的比較對象往往是更加真實的數(shù)據(jù),因此也更有可能捕捉到一些不常見的交通狀況,例如車輛突增、交通事故等。在實際應(yīng)用中,這些非典型的交通狀況更加需要被及時地發(fā)現(xiàn),從而進行有效地管理,從這個層面來看KNN是一個很有潛力的預(yù)測方法。

        數(shù)據(jù)庫的質(zhì)量對KNN方法的預(yù)測效果有很大的影響,理想的樣本數(shù)據(jù)庫應(yīng)該具有代表性,即能夠利用更少的數(shù)據(jù)覆蓋更多的交通狀況。另外,由于數(shù)據(jù)收集過程中難免出現(xiàn)設(shè)備損壞,統(tǒng)計錯誤等問題,異常數(shù)據(jù)和缺失數(shù)據(jù)對預(yù)測結(jié)果的影響也是不可忽視的。解決此類問題的方法通常是對應(yīng)用數(shù)據(jù)進行預(yù)處理,包括線性插值、閾值去噪等。從預(yù)測模型的角度來思考,如何設(shè)計出一種更加先進的KNN模型,使其對數(shù)據(jù)缺失和異常點的敏感度降低,提高算法的魯棒性也是值得研究的分支。針對時空關(guān)系的挖掘,無論是通過人工指定還是特定算法分析,大量的研究都發(fā)現(xiàn)空間依賴的引入的確可以提高預(yù)測的性能。但是如何科學(xué)地說明交通網(wǎng)絡(luò)中空間關(guān)系,怎樣利用空間依賴構(gòu)建合適的狀態(tài)向量,可能是下一步需要努力的方向。

        無論是基于統(tǒng)計學(xué)理論的方法還是基于數(shù)據(jù)驅(qū)動的方法,現(xiàn)有的研究都沒有明確地指出某一方絕對優(yōu)于另一方。每種方法都有自己特定的適用場景,應(yīng)該根據(jù)具體的問題和需求選擇合適的方法。除此之外,如何將兩種甚至多種預(yù)測方法整合起來,發(fā)揮各自的優(yōu)勢以在更短的時間內(nèi)取得更優(yōu)的預(yù)測效果,這種混合模型也是當(dāng)下研究的主流之一。

        4 結(jié)語

        本文立足于KNN方法在交通流預(yù)測上的研究和應(yīng)用,介紹了該領(lǐng)域的基本任務(wù)以及KNN方法的原理和發(fā)展過程,并對KNN方法的優(yōu)劣和未來研究方向進行了簡單的分析。由于篇幅有限,本文沒有對現(xiàn)存的所有預(yù)測模型進行綜述,但我們有理由相信隨著各種科學(xué)理論和計算模型的不斷進步,今后會有越來越多優(yōu)秀的預(yù)測方法被應(yīng)用到該領(lǐng)域中來。

        猜你喜歡
        方法模型
        一半模型
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
        學(xué)習(xí)方法
        可能是方法不對
        3D打印中的模型分割與打包
        用對方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        賺錢方法
        国产丝袜美腿一区二区三区| 黄色资源在线观看| 亚洲国产欧美久久香综合| 人妻少妇被猛烈进入中文| 色欲av永久无码精品无码蜜桃| 粗大的内捧猛烈进出在线视频 | 午夜人妻久久久久久久久| 日本老熟妇50岁丰满| 亚洲av成人无码久久精品| 亚洲VA欧美VA国产VA综合| 久久人妻精品免费二区| 国产精品理论片在线观看| 国产乱子伦农村xxxx| 欧美亚洲综合另类| 成人影院免费观看在线播放视频| 一区二区黄色在线观看| 国产精品毛片一区二区 | 中国农村妇女hdxxxx| 无码成人片一区二区三区| 日本高清人妻一区二区| 精品嫩模福利一区二区蜜臀| 玩弄放荡人妇系列av在线网站| 亚洲日本va午夜在线影院| 国产精品网站夜色| 偷拍女厕尿尿在线免费看| 开心五月激情五月五月天| 激情内射日本一区二区三区| 99久久国语露脸精品国产| 久久久久国产精品四虎| 全亚洲高清视频在线观看| 国产精品嫩草99av在线| 国产欧美精品一区二区三区–老狼| 日本久久一级二级三级| 亚洲人成在线播放网站| 性久久久久久久| 亚洲无码毛片免费视频在线观看| 国产精品白浆一区二区免费看| 东京热人妻系列无码专区| 精品亚洲aⅴ在线观看| 扒开非洲女人大荫蒂视频| 一区二区三区美女免费视频|