基于weka的交通流预测研究

李红梅,唐 岚（西华大学 汽车与交通工程学院,成都 610065）



基于weka的交通流预测研究

李红梅,唐 岚
（西华大学 汽车与交通工程学院,成都 610065）

摘 要：随着智能交通系统ITS的广泛研究和应用，对智能交通系统采集的海量交通数据进行数据挖掘成为国内外专家学者研究的热点。数据挖掘是一门实验性非常强的学科，Weka工作平台汇集了当今最前沿的数据预处理工具和学习算法，它为数据挖掘实验的整个过程提供了广泛的支持。本文主要研究基于weka平台的M5P模型树对交通流数据中的交通速度进行预测，包括对数据的准备、预处理、结果的表达及解释。

关键词：智能交通系统； Weka； 交通流预测研究

1 数据的准备和预处理

城市路网信号监控周期一般在120-300s之间，最长不会超过600s，而车辆的行驶速度一般在10-60km/h之间，每个监控路段内的行驶时间一般为1-5分钟。本文中使用的数据为四川某市2014年8月的交通流数据,其中包含多个路段，数据录入间隔为5分钟。内容如图1所示。

从图中看出有多个字段，由于本文主要分析交通流数据中的速度数据，故只提取与本文速度预测相关的字段。包括VID_LANE_ ID（设备采集信息），LANEID（第几条道），SPEED（速度），TRAFFICDATA（时间）。将数据整理成本文所需内容，并将日期标准化后如图2所示。

将数据另存为基于weka的交通流预测.csv格式保存，在weka中打开基于weka的交通流预测.csv文件，并另存为基于weka的交通流预测.arff，这样就保存为weka可以打开直接处理的数据格式了。

本文数据为随机选取的某一天的某一路段数据，因此在预测过程中可以将日期和前两个属性去掉。……