針對(duì)高速 公路傳統(tǒng)的短時(shí)交通流預(yù)測(cè)方法適用數(shù)據(jù)規(guī)模小、全網(wǎng)預(yù)測(cè)效率較低、數(shù)據(jù)的時(shí)空關(guān)系被忽視等問題，提出一種結(jié)合了K近鄰（KNN）模型且面向高速大數(shù)據(jù)的短時(shí)交通流預(yù)測(cè)方法。首先，對(duì)模型的K值和距離度量進(jìn)行調(diào)優(yōu)，利用交叉驗(yàn)證進(jìn)行模型參數(shù)的對(duì)比實(shí)驗(yàn);然后，考慮數(shù)據(jù)內(nèi)在的業(yè)務(wù)時(shí)空關(guān)聯(lián)，建?；跁r(shí)空特性的特征向量;最后，在大數(shù)據(jù)環(huán)境下建立回歸預(yù)測(cè)模型，以最優(yōu)參數(shù)的模型實(shí)現(xiàn)預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)時(shí)間序列模型相比，所提方法一次可預(yù)測(cè)出全站點(diǎn)的流量，單次運(yùn)行速度快，效率提高了77%，平均絕對(duì)百分比誤差（ MAPE）和絕對(duì)百分比誤差中位數(shù)（MDAPE）均有明顯減低，且具有良好的水平擴(kuò)展性。

　　近年來，隨著我國經(jīng)濟(jì)穩(wěn)定的發(fā)展和高速公路路網(wǎng)建設(shè)日漸完善，高速路網(wǎng)的交通流量不斷增長，人們的交通需求也逐漸增加，給路網(wǎng)的通行能力帶來一定挑戰(zhàn)。 路網(wǎng)中交通擁堵問題帶來-些社會(huì)問題，不僅增大了處理交通擁堵的花銷，還給我國經(jīng)濟(jì)帶來了一定損失，因此減少交通擁堵是我國需要解決的重大社會(huì)問題之一。對(duì)交通狀況的控制和交通流誘導(dǎo)是智能交通系統(tǒng)（ Itelligent Transport System， ITS）的核心研究問題其關(guān)鍵在于短時(shí)交通流量預(yù)測(cè)，使之利用交通管控在路網(wǎng)中分散交通流，緩解交通擁堵狀況，給出行者提供交通誘導(dǎo)信息。交通流根據(jù)預(yù)測(cè)周期可分為兩類：短時(shí)預(yù)測(cè)（ short-term Forecasting） 和中長時(shí)預(yù)測(cè)（mid-long-termForecasting）。其中短時(shí)交通流預(yù)測(cè)指以5 ~ 30 min時(shí)間跨度上的時(shí)間間隔，運(yùn)用當(dāng)前交通流數(shù)據(jù)信息去預(yù)測(cè)下一個(gè)5min至30min內(nèi)的交通流量，本文以時(shí)間間隔取5min為例討論短時(shí)交通流量的預(yù)測(cè)。