论文部分内容阅读
为了能够即时预测并获得未来交通流的信息,交通流预测已被广泛地应用于诸多领域,如车辆导航设备和移动终端中的拥堵管理、车辆行驶路线规划及风险预警等模块。通过软件应用程序来获取现场实时数据,同时可同步更新数据集,并根据道路上的实时交通情况,帮助用户进行动态规划行驶路线。现阶段,在获得交通流信息时,一是不能很好地整合交通路测感知设备,二是无法全面地考虑外界因素,如突发的交通事故、恶劣的天气条件和道路路况。基于此,本研究对多个研究者在机器学习应用于交通流预测中的研究方法进行总结。