基于K-means聚类的交通拥堵预测系统

基于K-means聚类的交通拥堵预测系统

论文摘要

针对当前车辆堵塞的问题,本作品进行实地考察并依托往期数据,运用机器学习,预测出每日各时段交通热力图。通过交通控制学及其他资料,建立交通信号灯配时优化模型并进行求解。通过红外传感将每条干道上的平均行驶速度测量传递给上位机,上位机求出最优解后,通过以太网把数据传递给各个路口交通信号灯,动态分配其时长以便预防,解决堵车现象。

论文目录

  • 1 研究背景及意义
  • 2 总体方案
  • 3 交通信号灯配时优化模型
  •   3.1 基本公式
  •   3.2 数据
  •   3.3 主要参数
  •     3.3.1 信号相位
  •     3.3.2 时间参数
  •   3.4 信号配时优化模型的建立
  • 4 基于K-means聚类的交通拥堵预测
  •   4.2 预测步骤
  •   4.3 仿真及实验
  • 5 结语
  • 文章来源

    类型: 期刊论文

    作者: 叶秋时

    关键词: 大数据,机器学习,交通信号灯配时优化模型,动态分配

    来源: 信息与电脑(理论版) 2019年06期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 公路与水路运输,计算机软件及计算机应用

    单位: 西北师范大学数学与统计学院

    分类号: U491.265;TP311.13

    页码: 128-129

    总页数: 2

    文件大小: 1474K

    下载量: 332

    相关论文文献

    标签:;  ;  ;  ;  

    基于K-means聚类的交通拥堵预测系统
    下载Doc文档

    猜你喜欢