基于交通一卡通大数据平台的公交线路选乘预测研究
发布时间：2021-04-21 04:52
城市公共交通作为市民的主要出行方式,具有疏导密集人流的功能,对缓解交通拥堵问题起到重要作用。但随着经济的快速发展,城市化进程的加快,使得流动人口数量迅猛增加,从而对城市公共交通造成巨大的通行压力。目前,有限的公共交通资源和庞大的出行需求矛盾给乘客出行和交通主管部门规划公交线路带来了许多问题。例如:部分公交线路客流过多,给乘客带来极差的公交乘坐体验;线路分流及负载功能不均衡,进一步加剧了公交线路的拥堵程度等。解决这些问题的关键在于建立乘客与线路的关联模型来预测乘客选乘公交线路规律。因此基于交通一卡通大数据平台的公交线路选乘预测课题具有重要意义。围绕该课题的研究,本文的主要工作包括如下几个方面:（1）本文为了更好地建立乘客与公交线路的关联模型,构建出更全面的特征集。针对以往学者对影响乘客出行的因素考虑的不足,对时间日期、天气信息与人群等多个特征进行全面可视化分析。根据可视化分析结果,构建出乘客与线路特征、时间特征和天气特征的特征集合,并采用过滤法和集成模型方法相结合筛选出最优的特征子集。（2）本文采用XGBoost模型对乘客选乘公交线路进行预测。首先,用于建模的数据是通过交通一卡通大数据平...
【文章来源】：广东工业大学广东省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文的内容和结构安排
第二章 交通一卡通大数据平台相关基础技术研究
2.1 交通一卡通大数据平台简介
2.1.1 交通一卡通大数据平台发展背景
2.1.2 交通一卡通大数据平台价值目标
2.1.3 交通一卡通大数据平台研究方向
2.2 交通一卡通大数据平台系统组成
2.2.1 交通一卡通大数据平台系统架构
2.2.2 交通一卡通大数据平台技术架构
2.2.3 交通一卡通大数据平台部署架构
2.3 本章小结
第三章 数据获取与预处理
3.1 数据类型与获取方式
3.1.1 数据类型
3.1.2 数据获取方式
3.2 数据预处理方法
3.2.1 数据清洗
3.2.2 数据转换
3.3 本章小结
第四章 数据理解与特征分析
4.1 公交线路选乘预测研究目标
4.2 课题设计流程简述
4.3 数据理解
4.4 公交线路选乘特征分析
4.4.1 公交线路选乘的人群特征分析
4.4.2 公交线路选乘的时间特征分析
4.4.3 公交线路选乘的天气特征分析
4.5 本章小结
第五章 模型的建立与预测
5.1 建模思路与工作流程
5.2 数据准备
5.2.1 数据预处理
5.2.2 划分数据集
5.2.3 特征构建
5.3 模型算法原理
5.3.1 逻辑回归模型
5.3.2 梯度提升决策树模型
5.3.3 Xgboost模型
5.4 模型评价指标
5.5 模型预测与分析
5.5.1 模型预测
5.5.2 结果分析
5.6 本章小结
结论和展望
参考文献
攻读学位期间的科研成果
致谢
【参考文献】：
期刊论文
[1]智慧交通让出行更便捷行动方案（2017—2020年）[J]. 交通财会. 2017(10)
[2]全国交通一卡通互联互通对社会及经济发展的影响[J]. 李宾,郎莹,张印宝,曹思楠. 交通世界. 2017(26)
[3]计及用电模式的居民负荷梯度提升树分类识别方法[J]. 王守相,刘天宇. 电力系统及其自动化学报. 2017(09)
[4]决策树算法的比较与应用研究[J]. 张海燕,刘岩,马丽萌,苑津莎,巨汉基,魏彤珈. 华北电力技术. 2017(06)
[5]交通一卡通大数据平台的构建研究[J]. 吴金成,余红玲,伍冠桦,龚惠琴. 金卡工程. 2017(05)
[6]促进大数据发展行动纲要[J]. 成组技术与生产现代化. 2015(03)
[7]城市居民出行方式链特征分析[J]. 王伊丽. 交通标准化. 2012(01)
[8]利用数据挖掘技术对公交乘客特征状况的分析[J]. 曹洁,徐强,李宇,任崇玉. 计算机工程与设计. 2007(17)
[9]公交IC卡信息采集、分析与应用研究[J]. 陈学武,戴霄,陈茜. 土木工程学报. 2004(02)
硕士论文
[1]基于Xgboost的互联网消费金融信用风控策略研究[D]. 杜盼.湘潭大学 2018
[2]基于Boosting的集成树算法研究与分析[D]. 连克强.中国地质大学(北京) 2018
[3]复合XGBoost模型在不均衡数据集分类预测上的应用[D]. 崔琳爽.兰州大学 2018
[4]基于统计学的大数据特征分析研究[D]. 徐帅.北京邮电大学 2018
[5]基于出行链的公交乘客出行特征分析[D]. 王俊兵.北京交通大学 2017
[6]基于出行特性的公交乘客分类研究[D]. 陈修远.西南交通大学 2017
[7]基于交通一卡通大数据的公交客流分析与预测[D]. 刘雪琴.广东工业大学 2016
[8]城市居民公交出行数据分析研究及可视化[D]. 邓晨晨.重庆大学 2016
[9]基于Hadoop平台的公交客流分析与预测研究[D]. 李振.东北师范大学 2015
[10]基于公交数据的乘客出行特征分析[D]. 呙娟.华南理工大学 2016
本文编号：3151095
【文章来源】：广东工业大学广东省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文的内容和结构安排
第二章 交通一卡通大数据平台相关基础技术研究
2.1 交通一卡通大数据平台简介
2.1.1 交通一卡通大数据平台发展背景
2.1.2 交通一卡通大数据平台价值目标
2.1.3 交通一卡通大数据平台研究方向
2.2 交通一卡通大数据平台系统组成
2.2.1 交通一卡通大数据平台系统架构
2.2.2 交通一卡通大数据平台技术架构
2.2.3 交通一卡通大数据平台部署架构
2.3 本章小结
第三章 数据获取与预处理
3.1 数据类型与获取方式
3.1.1 数据类型
3.1.2 数据获取方式
3.2 数据预处理方法
3.2.1 数据清洗
3.2.2 数据转换
3.3 本章小结
第四章 数据理解与特征分析
4.1 公交线路选乘预测研究目标
4.2 课题设计流程简述
4.3 数据理解
4.4 公交线路选乘特征分析
4.4.1 公交线路选乘的人群特征分析
4.4.2 公交线路选乘的时间特征分析
4.4.3 公交线路选乘的天气特征分析
4.5 本章小结
第五章 模型的建立与预测
5.1 建模思路与工作流程
5.2 数据准备
5.2.1 数据预处理
5.2.2 划分数据集
5.2.3 特征构建
5.3 模型算法原理
5.3.1 逻辑回归模型
5.3.2 梯度提升决策树模型
5.3.3 Xgboost模型
5.4 模型评价指标
5.5 模型预测与分析
5.5.1 模型预测
5.5.2 结果分析
5.6 本章小结
结论和展望
参考文献
攻读学位期间的科研成果
致谢
【参考文献】：
期刊论文
[1]智慧交通让出行更便捷行动方案（2017—2020年）[J]. 交通财会. 2017(10)
[2]全国交通一卡通互联互通对社会及经济发展的影响[J]. 李宾,郎莹,张印宝,曹思楠. 交通世界. 2017(26)
[3]计及用电模式的居民负荷梯度提升树分类识别方法[J]. 王守相,刘天宇. 电力系统及其自动化学报. 2017(09)
[4]决策树算法的比较与应用研究[J]. 张海燕,刘岩,马丽萌,苑津莎,巨汉基,魏彤珈. 华北电力技术. 2017(06)
[5]交通一卡通大数据平台的构建研究[J]. 吴金成,余红玲,伍冠桦,龚惠琴. 金卡工程. 2017(05)
[6]促进大数据发展行动纲要[J]. 成组技术与生产现代化. 2015(03)
[7]城市居民出行方式链特征分析[J]. 王伊丽. 交通标准化. 2012(01)
[8]利用数据挖掘技术对公交乘客特征状况的分析[J]. 曹洁,徐强,李宇,任崇玉. 计算机工程与设计. 2007(17)
[9]公交IC卡信息采集、分析与应用研究[J]. 陈学武,戴霄,陈茜. 土木工程学报. 2004(02)
硕士论文
[1]基于Xgboost的互联网消费金融信用风控策略研究[D]. 杜盼.湘潭大学 2018
[2]基于Boosting的集成树算法研究与分析[D]. 连克强.中国地质大学(北京) 2018
[3]复合XGBoost模型在不均衡数据集分类预测上的应用[D]. 崔琳爽.兰州大学 2018
[4]基于统计学的大数据特征分析研究[D]. 徐帅.北京邮电大学 2018
[5]基于出行链的公交乘客出行特征分析[D]. 王俊兵.北京交通大学 2017
[6]基于出行特性的公交乘客分类研究[D]. 陈修远.西南交通大学 2017
[7]基于交通一卡通大数据的公交客流分析与预测[D]. 刘雪琴.广东工业大学 2016
[8]城市居民公交出行数据分析研究及可视化[D]. 邓晨晨.重庆大学 2016
[9]基于Hadoop平台的公交客流分析与预测研究[D]. 李振.东北师范大学 2015
[10]基于公交数据的乘客出行特征分析[D]. 呙娟.华南理工大学 2016
本文编号：3151095
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3151095.html
