并行优化KNN算法的交通运输路况预测模型

针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型，首先在采用粒子群算法对KNN算法进行优化前，引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化，然后采用最优化学习策略对改进粒子群算法的运算性能进行优化，最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度，并根据适应值函数计算每个粒子的适应度。仿真实验结果表明，本文提出的改进粒子群算法具有较好的收敛性能，基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。