刘军　袁海天

摘 要：针对城市交通大数据的来源、数据量大、种类繁多等特征，指出城市交通大数据在存贮、可用性、处理等方面的挑战;结合云计算技术，提出了基于随机森林算法在城市交通大数据背景下对城市短时交通流并行预测方法，缩短了预测时间，提高了对大数据的处理能力。实验结果表明，并行化随机森林算法在不同数据集的预测精度均明显高于决策树，并能较快的处理城市交通大数据。

关键词：智慧城市;大数据;随机森林算法;云计算

0 引言

智能交通是智慧城市的一项重要建设项目，是解决城市交通拥堵，实现城市交通智能控制、促进城市交通运输可持续化发展的重要手段。随着遍布城市的各类传感器，如微波、激光、摄像头、地磁线圈、GPS等和各类智能设备的增加，每时每刻都会产生海量的交通数据，数量达到GB级、TB级甚至PB级。这些数据由不同协议设备产生，数据模态千差万别，构成了城市交通流大数据。由于相适应的市场机制还未形成，国内在城市交通大数据的利用技术研究虽有一定成就，但远未达到成熟应用的目标。因此，本文基于Hadoop集群搭建了城市交通大数据存储平台，并采用大数据计算框架技术对城市交通大数据进行并化挖掘和分析，提出了基于随机森林算法在城市交通大数据背景下对城市短时交通流并行预测方法。

1 大数据管理框架

1.1 大数据分析计算平台的构成

以分析城市交通大数据为目标，利用通用大数据分析处理工具以及云计算技术，并结合对短时交通流进行预测的实际要求，建立分析计算城市交通大数据管理框架，由3个部分构成：应用层、私有云计算层、数据管理层。……