基于云计算的道路行程时间预测方法

为了解决由于城市交通网络的负荷过大所导致的城市内部交通拥堵、交通事故频发等问题,对于基于云计算的道路行程时间的预测进行了研究,通过传感器采集道路交通的信息,通过无线网络将信息传送到云计算平台,通过云计算平台对信息进行分析,利用卡尔曼滤波算法完成道路行程时间的预测,利用预测结果可以对道路交通进行实时诱导,对于降低城市交通拥堵和交通事故发生的次数具有重要意义。

基于边缘计算的道路行程时间预测

为了解决目前市面上的导航软件无法针对用户个性化预测的问题,本文提出了基于边缘计算的道路行程时间预测的预测思想,并在之后就系统架构和预测过程进行了详细论述。为了实现个性化预测,本文根据速度变化特征将用户的行为模式分成了三类,并对每一类行为模式构建了对应的数据集。在基于用户行为模式的预测算法方面,本文对每一类数据集分别应用了ELM模型和LSTM模型,通过对模型的预测表现进行对比确定了最优模型,并将模型及其参数装载到边缘端。最终,本文通过大量的实验,将该研究所提供的时间预测和百度地图提供的时间预测进行对比,验证了本文研究内容的可行性和准确性;以实例证明了本文设计并实现的道路行程时间预测原型系统的实用性和有效性。