基于内容的推荐算法在交通信号配时中的应用

运用推荐算法找到最适合当前交通状况的配时方案。将交通状况作为用户,配时方案作为项目,延误时间等交通指标作为用户对项目的评级。通过基于内容的推荐技术和推荐系统中的k近邻算法,比对交通状况间的特性找到相似交通状况。分析选定的相似交通状况的历史数据,预测当前交通状况与各种配时方案的匹配程度为配时方案进行推荐和排序。在Paramics中进行了仿真实验。结果表明,基于内容的推荐算法在减少延误时间方面优于经典的Webster方法。