张 信¹ 刘 衣² 覃慧灵¹

1.湖北工程学院新技术学院；2.湖北工程学院计算机与信息科学学院

摘要(Abstract)：

随着科技的飞速发展，过度拥挤的交通无法满足现代人类的快捷的生产生活，当交通拥堵时，不能为人们更提供便捷的出行方式，我们需要寻求更好的技术与算法去解决这一问题。通过对交通流的特征及收集方法进行了研究，了解交通流量的行车速度、车流密度以及占有率等特征参数。提出通过构建不同模型对交通流进行预测，选出最优模型作为交通流预测方法的研究。通过数据参数对比得到结果表明，RidgeRegression对于交通流的预测具有更好的性能，最终选定岭回归模型作为交通流预测的方法。希望能够对交通流实时预测的发展提供方向，推动交通预测向更好的方向发展。

关键词(KeyWords)：

大数据；交通流预测；RidgeRegression；LinearRegression

参考文献(References)：

［1］商讯.2019 上半年全国机动车保有量达3 .4 亿辆［J］.商用汽车，2019，（07）：7.

［2］常婷婷.北京市交通需求管理政策可接受性研究［D］.北京交通大学，2019.

［3］Lv，Yisheng，Duan，Yanjie，Kang，Wenwen.Traffic Flow Prediction With Big Data:A Deep Learning Approach［J］.IEEE Transactions on Intelligent Transportation Systems，2015， 16（2）:865-873 .

［4］白亚男.基于大数据的实时交通流预测方法研究［D］.广东工业大学，2018.