Resumen

A pesar de los logros de la investigación académica sobre la regresión no paramétrica basada en datos del tipo k-próximo más cercano (KNN-NPR), la baja velocidad de cálculo del método KNN-NPR, que puede producirse durante las búsquedas que implican enormes cantidades de datos históricos, sigue siendo un obstáculo importante para la mejora de las aplicaciones en sistemas reales. Para superar con éxito este problema crítico, en este estudio se propone un marco KNN-NPR de alta velocidad, capaz de generar predicciones de volumen de tráfico a corto plazo. El método propuesto se basa en un algoritmo de búsqueda en dos pasos, que tiene las dos funciones de construir candidatos prometedores para los datos de entrada durante los tiempos de no predicción y de identificar los datos de entrada decisorios para las predicciones instantáneas en el punto de predicción. Para demostrar la eficacia del modelo propuesto, se realizó una prueba experimental con datos de volumen de tráfico de gran tamaño. Se comprobó que el rendimiento del modelo no sólo iguala como mínimo al de KNN-NPR basado en búsqueda lineal en términos de precisión de la predicción, sino que también muestra un tiempo de ejecución sustancialmente reducido en la aproximación de aplicaciones en tiempo real. Este resultado sugiere que el algoritmo propuesto también puede emplearse eficazmente como preproceso para seleccionar casos pasados útiles para modelos de predicción basados en aprendizaje avanzado.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:knn, datos de entrada, regresión no paramétrica del vecino más próximo, tamaño de los datos de volumen de tráfico, predicciones de volumen de tráfico a plazo, algoritmo de búsqueda por pasos, casos anteriores útiles, npr, modelo, marco npr
• Keywords:knn, input data, nearest neighbour nonparametric regression, size traffic volume data, term traffic volume predictions, step search algorithm, useful past cases, npr, model, npr framework