Road Traffic Data analysis: Clustering and Prediction - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Reports (Research Report) Year : 2021

Road Traffic Data analysis: Clustering and Prediction

Abstract

This document presents a clustering and prediction analysis on daily time series of traffic data taken from loop detector measurement at different location (France and USA). It shows the effectiveness of Soft Dynamic Time Warping and K-means algorithm for clustering and Support Vector Regression for prediction on the selected data sets. Results are commented to get information on specific traffic dynamics.
Ce document présente une analyse de clustering et de prédiction sur des séries chronologiques quotidiennes de données de trafic obtenues à partir de mesures de détecteurs à boucle à différents endroits (France et États-Unis). Il montre l’efficacité de l’algorithme Soft Dynamic Time Warping et K-means pour le clustering et Support Vector Regression pour la prédiction sur les ensembles de données sélectionnés. Les résultats sont commentés pour obtenir des informations sur des dynamiques de trafic spécifiques.Ce document présente une analyse de clustering et de prédiction sur des séries chronologiques quotidiennes de données de trafic obtenues à partir de mesures de détecteurs à boucle à différents endroits (France et États-Unis). Il montre l’efficacité de l’algorithme Soft Dynamic Time Warping et K-means pour le clustering et Support Vector Regression pour la prédiction sur les ensembles de données sélectionnés. Les résultats sont commentés pour obtenir des informations sur des dynamiques de trafic spécifiques.
Fichier principal
Vignette du fichier
RR-9426.pdf (4.49 Mo) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03370282 , version 1 (07-10-2021)

Identifiers

  • HAL Id : hal-03370282 , version 1

Cite

Nicola Ronzoni, Paola Goatin. Road Traffic Data analysis: Clustering and Prediction. [Research Report] RR-9426, Inria; Unniversité Ctote d'Azur; CNRS; I3S. 2021. ⟨hal-03370282⟩
106 View
140 Download

Share

Gmail Facebook X LinkedIn More