一种数据驱动的分布式交通流量预测方法及系统

摘要

本发明公开了一种数据驱动的分布式交通流量预测方法及系统，其中方法包括以下步骤：S1:获取车辆的移动轨迹数据；S2:对所述移动轨迹数据进行预处理，获得训练数据；S3:根据所述训练数据构建分布式TWND‑LSTM模型；S4:分别在Map、Combine和Reduce阶段实现所述分布式TWND‑LSTM模型，并输出预测结果。通过在Hadoop分布式计算平台下，基于MapReduce并行处理框架，获得训练数据，构建分布式TWND‑LSTM模型，并分别在Map、Combine和Reduce阶段实现所述分布式TWND‑LSTM模型，输出预测结果，有效提高了预测的精确性、鲁棒性和实时性，解决了交通流量大数据的分布式存储和并行计算的技术问题。