近幾年,云計(jì)算與大數(shù)據(jù)技術(shù)日趨成熟,二者的結(jié)合在各領(lǐng)域中產(chǎn)生出大量豐富的應(yīng)用與服務(wù)。公交車到站時(shí)間預(yù)測(cè)也是其中的應(yīng)用之一,而且也是城市交通領(lǐng)域中的重要內(nèi)容之一,對(duì)改善公共交通服務(wù)具有重要意義。首先,論文對(duì)公交到站預(yù)測(cè)系統(tǒng)進(jìn)行需求分析,選擇具有流式計(jì)算特點(diǎn)的粒子濾波算法,建立了一個(gè)公交車到站時(shí)間預(yù)測(cè)模型。為了解決使用粒子濾波算法預(yù)測(cè)公交車到站時(shí)間時(shí)多步預(yù)測(cè)帶來的預(yù)測(cè)精度問題,論文對(duì)預(yù)測(cè)模型進(jìn)行改進(jìn),通過引入最近上一趟公交車的行駛速度和構(gòu)造觀測(cè)值的方法,使粒子濾波算法在同時(shí)預(yù)測(cè)多個(gè)公交站的到達(dá)時(shí)間時(shí)也具有較高的預(yù)測(cè)精度。其次,論文使用Spark Streaming流計(jì)算框架設(shè)計(jì)實(shí)現(xiàn)了一個(gè)通用的城市公交車到站時(shí)間實(shí)時(shí)預(yù)測(cè)系統(tǒng),系統(tǒng)包括數(shù)據(jù)接入、數(shù)據(jù)預(yù)處理以及實(shí)時(shí)計(jì)算過程。在實(shí)驗(yàn)部分,論文選取呼和浩特市公交系統(tǒng)中具有代表性的公交線路,使用真實(shí)行駛數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)將公交車行駛數(shù)據(jù)分為平峰和高峰期兩個(gè)時(shí)間段,使用平均絕對(duì)誤差(Mean Absolute Error,MAE)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)表明,對(duì)于處在兩個(gè)不同時(shí)間段的公交車其預(yù)測(cè)結(jié)果的MAE在2min內(nèi),證明系統(tǒng)有較好的預(yù)測(cè)效果,能夠滿...

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1Spark基本體系結(jié)構(gòu)

先介紹Spark及其關(guān)鍵組件，重點(diǎn)介紹SparkStreaming流式計(jì)算框架波模型的基本原理和核心算法過程。2.1Spark介紹k基本體系結(jié)構(gòu)是開源的類HadoopMapReduce的通用并行框架，Spark擁有HadoopMa點(diǎn)，但不同于Map....

圖2.2窗口示意圖

SparkStreaming支持以某個(gè)HDFS文件系統(tǒng)目錄作為數(shù)據(jù)源，Spark會(huì)對(duì)這個(gè)目錄進(jìn)控。Spark將監(jiān)測(cè)到的新進(jìn)入到目錄的某個(gè)或某些文件讀取到內(nèi)存中進(jìn)行計(jì)算，計(jì)算位是文件[27]。對(duì)于目錄中文件的組織形式有如下的要求：(1)目錄中所有文件的格式相同；(2)....

圖3.1平臺(tái)搭建示意圖

圖3.1平臺(tái)搭建示意圖Figure3.1Buildingofplatform要Hadoop中的HDFS來存儲(chǔ)數(shù)據(jù)，同時(shí)論文選擇SparkonYARN作算法用Spark作為實(shí)時(shí)計(jì)算框架后，需要確定一個(gè)符合流計(jì)算特點(diǎn)的，測(cè)算法。在所有的預(yù)測(cè)算法中，粒子....

圖3.2線路離散化圖

圖3.2線路離散化圖Figure3.2Discretizationoflines由于GPS位置信息至少需要15秒才能更新一次，在這段時(shí)間內(nèi)公交的行駛速度按平度0到40km/h計(jì)算，其行駛距離介于0到250米之間。通過對(duì)公交車兩個(gè)GPS點(diǎn)之間....

本文編號(hào)：3891433