冯青平
- 作品数：2 被引量：8H指数：1
- 供职机构：江苏大学计算机科学与通信工程学院更多>>
- 发文基金：国家自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术交通运输工程更多>>
- 基于MapReduce和聚类算法的交通状态识别被引量：1
- 2017年
- 文中提出以云计算为基础的交通状态识别方法,将经典的聚类算法通过MapReduce编程模式并行化以后,通过Hadoop平台强大的并行任务执行效果,实时监测道路的交通状态。并且改进了K-means聚类算法与模糊C均值聚类算法,用Canopy算法产生初始聚类中心,有效解决了K均值聚类和模糊C均值聚类两种算法会随机产生初始聚类中心的盲目性缺点。然后对比分析了两种改进后的聚类算法应用于交通状态识别中,选择具有更高准确率的识别方法作为最佳选择。
- 冯青平李星毅
- 关键词：K均值聚类模糊C均值聚类MAPREDUCEHADOOP
- 基于大数据的非参数回归短时交通流预测方法被引量：7
- 2015年
- 为了解决海量交通大数据实时预测问题,引入了Hadoop云平台结合K近邻非参数回归方法预测短时交通流。由于MapReduce框架的并行性,大大缩减了查找K个近邻的时间。通过实验证明,在集群上的预测时间相比在单机上的预测时间大大缩减。并且基于MapReduce框架的预测速度随着集群规模的增大而增大,表现出集群的可扩展性。该方法可以满足交通控制和交通诱导系统的实时性和精确性的需求。
- 冯青平李星毅
- 关键词：交通流预测非参数回归K近邻MAPREDUCEHADOOP
