python交通流预测算法_使用KNN方法进行的短时交通流预测和结果分析

我在上一篇文章中简单地讨论了一些关于KNN的细节，这几天花了点时间用python实现了KNN方法在短时交通流预测的应用，我把主要代码和一些注解记录在下文中。

数据来源和预处理：

这次的数据来自Kaggle(Traffic Flow)，这个数据集中的数据根据不同的路口编号为文件命名，文件中每五分钟记录一组数据，一个完整的文件的时间跨度约在60天左右。

经过简单观察后发现，这些数据多存在数据缺失的问题，因而取拥有最长的不含0值的时间序列的train26804.csv作为试验展开的数据集。这次的预测模型的建立和结果分析都将基于train26803.csv的第5760行至第14687行进行，其历时正30天。

KNN模型的建立方案

在上一篇文章中提到KNN的几个重要因素中就含有时间延迟τ、历史值向量维数m和近邻个数K，由于本次数据已经给出了一个确定的时间延迟5min，因此这次KNN模型的建立将分三步进行。

首先是找到合适的历史值向量维数m和近邻个数K。本人查阅过的部分论文中均表示，对于m值和K值的选取，长期以来并未有一个统一的标准，但是多数研究者关于m和K的计算结果都处在5～25的区间内，所以我准备结合下面会提到的预测值计算公式和误差计算，遍历所有区间内的m和K的组合，在一个随意选取的时间段内计算各个组合的总误差值，取总误差最小的组合为模型所用。

第二步是计算预测值，预测值将根据与当前历史值向量的距离进行加权平均得到，计算公式：

。根据短时交通流的周期性特征，这次试验中匹配最近邻向量的操作中，将只在当前时间点最近的7天内寻找最近邻向量。距离计算采取欧拉距离计算。

最后，将通过相对方差对预测结果进行评价，计算公式：

。

求模型参数m和K

首先是建立数据库，这个数据库表现为列表的列表。母列表包含了原数据的各个不同版本的副本，各个不同版本的副本的区别在于追加了多少维度的历史值向量。上一段提到这次试验的匹配最近邻环节将只在最近7天的数据内寻找，所以为观察值最佳历史值向量只发生在第288行也就是第七天之后。

import pandas as pd

import numpy a