论文研究基于Spark的分布式交通流数据预测系统.pdf

在大数据时代，在城市复杂交通环境中，实现实时、准确的交通流预测，是实现智能交通系统的必要前提。提出了一种在Spark平台上基于梯度优化决策树的分布式城市交通流预测模型（distributedurbantrafficpredictionwithGBDT，DUTP-GBDT）；并提出了分布式情况下梯度优化决策树模型实现的优化方法，包括切分点抽样、特征装箱和逐层训练三种，提高了分布式情况下梯度优化决策树训练效率。基于Spark分布式计算平台高效、可靠、弹性可扩展的优势，以及梯度优化决策树模型准确率较高和时间复杂度较低的优点，利用时间特征、道路状况特征以及天气特征等特征参数，建立了DUTP-