Ocena predykcji natężenia ruchu pojazdów z użyciem algorytmu kNN-najbliższych sąsiadów i sieci neuronowych

Artykuł zawiera wyniki oceny predykcji natężenia ruchu z wykorzystaniem algorytmu kNN oraz sieci neuronowych. Przeprowadzona ocena predykcji wykorzystuje klasyfikację danych ze względu na charakter ruchu (odniesiony do dnia tygodnia np.: dni robocze, niedziele). Baza danych obejmuje dane z 10 miesięcznego okresu rejestracji w latach 2011/2012. Natężenia rejestrowane były w odstępach 5 minutowych. Przeprowadzono analizę uzyskanych wyników. Obie metody dają zbliżone wyniki tj błąd predykcji wynosi 6%. Siec neuronowa zaniża wyniki, gdy kNN daje większe wartości predykcji. Korzystne dla uzyskania lepszej dokładności predykcji jest pominięcie wartości natężeń ruchu rejestrowanych w godzinach nocnych w obliczeniach.

---

The paper presents an assessment of traffic prediction using kNN algorithm and neural networks. The carried out assessment uses traffic flow data divided into classes based on the character of the traffic flow (related to day type eg. work days, holidays). The data base encompasses values of road traffic flow registered during 10 months of 2011 and 2012. The values of traffic flow were registered every 5 minutes. The results of prediction with both tools were analyzed. Both methods give similar results that is the prediction error is 6%. The neural network prediction understates prediction, while kNN gives larger prediction values. It is advisable do omit traffic flow values registered during night hours of the day when performing calculations.