典型文献
基于Spark的交通流预测方法
文献摘要：
交通流预测相较于其他预测问题要显得更为复杂,因为影响交通流的相关因素比较多.BP神经网络被普遍适用于交通流预测领域,凭借着神经网络较强的学习能力,有效提升了预测的精度,但是随着交通数据步入大数据时代,海量数据的计算与存储影响了整体预测的性能.为了提高BP神经网络预测模型的性能,利用遗传算法进行优化的同时在Spark云计算平台下进行分布式实现,以提高神经网络在大规模数据集下的运行效率.实验结果表明,Spark分布式框架下的遗传优化BP神经网络模型可以有效提升交通流预测的实时性,能够满足城市交通管理系统的具体需求.
文献关键词：
交通流预测;BP神经网络;遗传算法;Spark
中图分类号：
作者姓名：
俞焕;刘萍;赵国强
作者机构：
陆军炮兵防空兵学院 合肥 230031
文献出处：
引用格式：
[1]俞焕;刘萍;赵国强-.基于Spark的交通流预测方法)[J].计算机与数字工程,2022(06):1190-1195
A类：
B类：
Spark,交通流预测,凭借着,交通数据,海量数据,神经网络预测模型,云计算平台,台下,高神,大规模数据集,分布式框架,遗传优化,城市交通管理,交通管理系统
AB值：
0.245923
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
