基于轨迹大数据的动态最优路径规划

以轨迹大数据为基础,结合城市交通状态与用户个性化需求,提出一种基于改进Viterbi算法的动态最优路径规划算法。首先融合交通状态和真实路网拓扑结构,构建基于有向多重加权复杂网络的交通网络模型。采用基于层次分析法和熵权法相结合的综合赋权法对交通网络模型的多权重属性进行权重分配,得到新的有向加权复杂网络模型。进一步采用改进的Viterbi算法求解最优路径。最后,以兰州市为例,对最优路径规划进行分析,并将该算法与静态规划方法进行比较,验证城市最优路径规划算法的有效性与实时性。实验结果表明,结合城市交通状态与用户偏向的路径规划更加科学合理,能够为兰州市驾车出行、交通管理部门决策提供决策支持和参考。

基于Spark框架的实时交通流量预测方法

在数据科技时代,针对集中式挖掘平台下传统LSTM网络模型在处理移动轨迹大数据时存在的计算与存储问题,提出一种Spark框架下基于LSTM优化模型的实时交通流量预测方法,旨在于提高交通流量预测的精确性。实践结果表明,基于真实的出租车GPS轨迹大数据,Spark框架下的LSTM优化模型可以实时准确地预测交通流量。