基于大数据的短时公交客流预测模型研究

发布时间：2024-02-19 19:36

　　公交客流是公交集团进行公交调度运营和规划的重要依据,短时公交客流预测能够帮助公交管理者和规划者及时准确地掌握公交客流的变化情况,从而做出科学合理的公交调度运营与规划,提高公交公司的效益并且满足乘客的公交出行需求。目前短时公交客流预测研究方面已经有了很大的进展,但仍存在很多的不足,比如预测模型的复杂化问题、准确率不高问题以及单机环境下预测模型的低效问题等。本文以某市智能交通大数据平台为研究背景,对基于大数据的短时公交客流预测模型进行了深入研究,主要包括以下几方面:(1)在对短时公交客流预测领域的研究现状以及各种预测模型进行分析总结后,构建了 Spearman-LMBP(SLMBP)短时公交客流预测模型来进行短时公交客流预测。该模型首先利用Spearman秩相关系数法分析公交客流量的影响因素,将客流量影响因素数据与历史客流数据共同作为模型的输入数据,然后采用Levenberg-Marquardt算法训练BP神经网络,解决了 BP神经网络极易陷于局部最优解、收敛速度慢的问题,并且利用深度学习的dropout技术对模型进行优化,解决了模型的过拟合问题,提高了模型的泛化能力,实验结果表明优化后的...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２．?１神经网络结构图??Ｆｉｇ．?２．１?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??虽然说标准ＢＰ神经网络模型很适合用来做客流预测，但其自身也存在一些缺点，??如收敛速度慢、易陷入局部解等

?基于大数据的短时公交客流预测模型研究???输入层?隐含层?输出层??、＼??ｚ－?＇?Ｗｘｌｏｌ，＾－＾＼Ｎ＾ｌ（Ａ?＇?Ｖ?＼?＾＾Ａ＾／Ｏｌｙｌ??＾?????、、－＼?／??、。ｄ’’??图２．?１神经网络结构图??Ｆｉｇ．?２．１?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕ....

图２．?３?ＲＢＦ神经网络结构图??Ｆｉｇ．?２．３?ＲＢＦ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??

?大连海事大学硕士学位论文???Ｒ?（ｘｐ－〇ｉ）?＝ｅｘｐ（－?｜?｜ｘｐ－ｏ，－１１２）?（２．?１８）??其中ｘｐ径向基神经网络的结构可得到网络的输出为：??ｙｊ?＝?Ｓｆ＝?１?ｅｘｐ（－１１＾－０，－１１２）?７?＝?１，２，．．．（２．?１９）??采用最小二乘的损失函....

图２．?４?ＭａｐＲｅｄｕｃｅ的执行流程图??Ｆｉｇ．?２．４?ＭａｐＲｅｄｕｃｅ?ｅｘｅｃｕｔｉｏｎ?ｆｌｏｗ??－１６?－??

（２．２２）??２．?５?Ｈａｄｏｏｐ分布式并行处理技术框架??Ｈａｄ〇〇ｐ［４６１是一个开发和运行处理大规模数据的软件平台，其主要应用在许多计算机??组成的集群中对海量数据的分布式计算。Ｈａｄｏｏｐ的核心设计是ＭａｐＲｅｄｕｃｅ［４７＾Ｄ?ＨＤＦＳ１４８１，??整个Ｈａｄｏｏｐ....

图３．１公交客流量数据的采集与传输??Ｆｉｇ．?３．１?Ｃｏｌｌｅｃｔｉｏｎ?ａｎｄ?ｔｒａｎｓｍｉｓｓｉｏｎ?ｏｆ?ｂｕｓ?ｐａｓｓｅｎｇｅｒ?ｆｌｏｗ?ｄａｔａ??

?基于大数据的短时公交客流预测模型研究???前活齡头??ｗ?ｒ??祕??牙ＶＧＰＲＳ平台??后门开关门信号?前门开关门信号?＿??图３．１公交客流量数据的采集与传输??Ｆｉｇ．?３．１?Ｃｏｌｌｅｃｔｉｏｎ?ａｎｄ?ｔｒａｎｓｍｉｓｓｉｏｎ?ｏｆ?ｂｕｓ?ｐａｓｓｅｎｇｅｒ?ｆｌ....

本文编号：3903213