Efecto de los intervalos de tiempo en el modelo de K-vecinos más cercanos para la predicción del flujo de tráfico a corto plazo

La precisión y la fiabilidad en la predicción del flujo de tráfico a corto plazo son importantes. El enfoque de K-vecinos más cercanos (K-NN) se ha utilizado ampliamente como un modelo no paramétrico para la predicción del flujo de tráfico. Sin embargo, se desconoce la fiabilidad de los resultados del modelo K-NN y la incertidumbre de la predicción puntual del flujo de tráfico necesita ser cuantificada. Para este fin, extendimos el enfoque K-NN construyendo el intervalo de predicción asociado con la predicción puntual. Reconociendo la naturaleza estocástica del tráfico, el intervalo de tiempo utilizado para medir la tasa de flujo de tráfico es notablemente influyente. En este documento, también se han realizado extensas pruebas después de agregar datos de flujo de tráfico reales en intervalos de tiempo, que oscilan entre 3 minutos y 30 minutos. Los resultados muestran que el rendimiento de la predicción del flujo de tráfico puede mejorarse cuando se incrementa el intervalo de tiempo. Más importante aún, cuando el intervalo de tiempo es menor a 10 minutos, el K-NN puede generar una mayor precisión de la predicción puntual que el modelo de referencia seleccionado. Este hallazgo sugiere que el modelo K-NN puede ser más apropiado para la predicción puntual y por intervalos del flujo de tráfico en un intervalo de tiempo más corto.