Отрывок: В первую очередь были проведены эксперименты п...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Агафонов, А.А. | - |
dc.contributor.author | Юмаганов, А.С. | - |
dc.contributor.author | Мясников, В.В. | - |
dc.date.accessioned | 2018-12-29 10:02:07 | - |
dc.date.available | 2018-12-29 10:02:07 | - |
dc.date.issued | 2018 | - |
dc.identifier | Dspace\SGAU\20181226\73273 | ru |
dc.identifier.citation | Агафонов, А.А. Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей / А.А. Агафонов, А.С. Юмаганов, В.В. Мясников // Компьютерная оптика. – 2018. – Т. 42, № 6. – С. 1101-1111. – DOI: 10.18287/2412-6179-2018-42-6-1101-1111 | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2018-42-6-1101-1111 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Analiz-bolshih-dannyh-v-geoinformacionnoi-zadache-kratkosrochnogo-prognozirovaniya-parametrov-transportnogo-potoka-na-baze-metoda-k-blizhaishih-sosedei-73273 | - |
dc.description.abstract | Точная и своевременная информация о текущем и прогнозном распределении транспортных потоков является важным фактором функционирования интеллектуальных транспортных систем. Использование этих данных позволит транспортным агентствам эффективнее решать задачу управления трафиком, участникам дорожного движения точнее планировать маршрут поездки и снизить время движения, и в целом повысит эффективность использования транспортной инфраструктуры. В данной статье представлена модель краткосрочного прогнозирования трафика, основанная на методе k ближайших соседей, которая учитывает пространственное и временное распределение транспортных потоков. Разработанная модель реализована с помощью фреймворка Apache Spark на основе модели распределённых вычислений MapReduce. Экспериментальные исследования представленной модели по данным о распределении транспортных потоков в транспортной сети города Самары позволяет сделать вывод, что предлагаемая модель обладает высокой точностью прогнозирования и временем работы, достаточным для прогнозирования в режиме реального времени. | ru |
dc.description.sponsorship | Работа выполнена при финансовой поддержке Министерства науки и высшего образования РФ (уникальный идентификатор проекта RFMEFI57518X0177). | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.relation.ispartofseries | 42;6 | - |
dc.subject | транспортный поток | ru |
dc.subject | краткосрочное прогнозирование | ru |
dc.subject | k ближайших соседей | ru |
dc.subject | MapReduce | ru |
dc.title | Анализ больших данных в геоинформационной задаче краткосрочного прогнозирования параметров транспортного потока на базе метода k ближайших соседей | ru |
dc.title.alternative | Big data analysis in a geoinformatic problem of short-term traffic flow forecasting based on a k nearest neighbors method | ru |
dc.type | Article | ru |
dc.textpart | В первую очередь были проведены эксперименты п... | - |
dc.classindex.scsti | 20.23.27 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
420620.pdf | Основная статья | 867.33 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.