Resumen

Con el rápido desarrollo de la informatización urbana, está llegando la era de los grandes datos. Para satisfacer la demanda de advertencia temprana de congestión de tráfico, este documento estudia el método de identificación y predicción del estado del flujo de tráfico en tiempo real basado en la teoría impulsada por grandes datos. Los grandes datos de tráfico tienen varias características, como correlación temporal, correlación espacial, correlación histórica y multieestado. La cuantificación del estado del flujo de tráfico, base de la identificación del estado del flujo de tráfico, se logra mediante un modelo de agrupamiento de tráfico basado en SAGA-FCM (algoritmo genético de recocido simulado basado en k-medias difusas). Considerando el cálculo simple y la precisión predictiva, se establece un modelo de optimización de dos niveles para el análisis de correlación del flujo de tráfico regional para predecir los parámetros del flujo de tráfico basados en la correlación temporal-espacial-histórica. Se propone un modelo de dos etapas para

• Materias:Ecuaciones en diferencias Ecuación unidimensional Filtrado de información Prevención de interbloqueos Sistemas estocásticos
• Subjects:Difference equations One-dimensional equation Information filtering Interlock prevention Stochastic systems
• Palabras claves:Desarrollo; Grandes datos; Flujo de tráfico; Correlación; Optimización; Predicción
• Keywords:Development; Big data; Traffic flow; Correlation; Optimization; Prediction