1、交通擁堵嚴重影響了人們的出行，降低了道路的服務能力。短時交通流預測能夠為人們的出行提供最佳路線，從而緩解交通擁堵，因此，提高短時交通流的預測精度和預測速度，具有重大的研究意義和實際應用價值。對短時交通流預測領域的相關技術進行研究，發(fā)現(xiàn)當前短時交通流預測模型存在預測精度不高的問題，并且預測模型在單機環(huán)境下進行預測，導致模型預測速度變慢。針對上述問題，本文結合大數(shù)據(jù)處理框架Spark，提出了基于多重相空間和路段相似度的短時交通流預測模型，最

2、后通過實驗驗證本文提出的預測模型的有效性。
　　本研究主要內(nèi)容包括：⑴針對混沌理論使用單個相空間導致預測精度不高的問題，提出了一種基于多重相空間的預測算法。該算法采用平均互信息量法來求解延遲時間集合，并得到對應的權重集合，同時計算對應的嵌入維數(shù)集合來重構多重相空間，并結合KNN算法的思想建立短時交通流預測模型，提高預測精度。⑵針對稀疏路段數(shù)據(jù)較少而導致預測精度不高的問題，提出了一種基于多重相空間和路段相似度的預測算法。該算法考慮了

3、路段相似對預測交通流的影響，通過度量兩條路段的正相似度與負相似度來求解正相關路段集合和負相關路段集合，并綜合正、負相關路段集合，結合多重相空間算法建立短時交通流預測模型，進一步提高預測精度。⑶使用路網(wǎng)某一路段的多組GPS數(shù)據(jù)進行實驗分析。實驗結果表明，本文提出的基于多重相空間和路段相似度的短時交通流預測模型預測的平均相對誤差百分率降低了3.94％，在平均絕對誤差和均方根誤差2項算法評價指標上都有4.1到4.3范圍的降低，預測精度有明顯的