技术总结
本发明在一种基于Spark平台的短时交通流量预测方法，将并行化的KNN算法应用于短时交通流预测领域。相比基于单机计算的传统KNN算法而言，该方法解决了在单台物理机上进行数据计算时，系统存储容量小、计算速度慢的问题，也解决了KNN算法近邻查找过程中近邻匹配效率过低的问题。该方法在保证预测精度的前提下，提高了算法的计算效率，有效的改善了KNN预测算法的实用性，并且系统具有良好的扩展性和加速比。本发明对于其他需要对大规模数据进行处理的应用也具有参考意。
技术研发人员：胡斌杰;王腾辉
受保护的技术使用者：华南理工大学
文档号码：201610515512
技术研发日：2016.06.30
技术公布日：2016.11.16