基于Hadoop的新型公交支付系统的客流量预测研究

发布时间：2020-04-06 11:52

【摘要】：城市公交作为市民日常出行的主要交通工具,是市民最关心、最直接、最现实的生活问题之一。不断提高公共交通运营质量、完善公共交通运营服务,可以有效缓解交通拥堵矛盾,满足市民群众出行需求。城市公交管理部门的合理运营、智能化调度对提升公共交通服务有很大帮助。而公交客流数据是预测未来某个时间段客流变化,实现合理运营、智能化调度的关键性数据;同时客流量预测也是智能交通系统的一个重要研究方向。随着城市规模扩大、城市人口数量上升,以及互联网技术的快速发展,“大数据”的时代已经到来;公交客流预测的研究变得更复杂,要求也更高。要实现精准的客流预测需要两个关键的因素:完整的客流数据与性能优越的预测算法。而通过以往客流数据获取方法得到的数据存在信息量小、不够完整、难整理等缺点;并且由于传统的预测模型有着自身的缺陷,所以针对目前客流数据量大、变化复杂的现状,其已不能满足预测要求。因此有必要寻找更好的方法,去提升客流预测的准确度。本课题以实际科研项目为依托,首先对公交支付系统发展现状以及Hadoop平台下客流预测研究现状进行了分析,确定了研究方向;分析了新型公交支付系统相关技术,该系统提供的客流数据具有完整,准确,全面等特点,为客流预测提供了有力支撑;同时设计了基于Hadoop分布式处理平台的客流量预测研究的总体方案。利用现场调研的结果,本文对影响客流量变化的因素进行了详细分析,从量化的角度明确了预测客流应考虑的主要影响因素。研究并选定了客流数据的预处理方法,同时分析比较了几种常用的客流预测算法,其中误差反向传播的BP神经网络对于解决复杂的随机非线性映射问题具有良好的效果,但是存在训练时间长、泛化能力差、易陷入极小值等缺点;针对以上问题,本文将Hadoop并行化处理技术引入到客流预测中,先使用粒子群(PSO)对BP算法的权、阈值进行优化,再利用并行化编程模型(MapReduce)对优化后的算法进行并行化设计,进而完成整体算法的改进。最后,对数据处理平台进行结构设计,完成了Hadoop分布式处理平台的搭建。在该处理平台下,利用预处理后的客流样本数据,对改进的并行化PSO-BP算法进行测试,统计实验数据并分析其性能。测试结果表明,本文所提的改进算法的收敛速度和预测精度均明显优于原算法,同时在大数据集上的训练速度也明显高于原算法。
【图文】：

支付系统,整体结构

图 2.1 公交支付系统整体结构图据实际的设计需要，此公交二维码支付系统主要由：车载移动终端、中心机移动端三大部分组成。于车载支付终端系统的设计来说，首先应确立以下几个原则：实用性好，，该系统应具有实时处理大量数据的能力并让绝大多数乘客获得验。由于支付终端设计目的是将支付过程简单化，所以系统的响应时间要设备操作简单，不易出错。耗能少，由于该系统是车载系统，所以要尽可能减小功耗。成本小，在满足前两条原则的前提下，要尽量缩小所需资金投入，以低成大的收益，使之能够逐步推广。载支付终端主要以 ARM 系列芯片为核心控制器，外围部件包括 GPS[25]、块、显示屏、网络等。模块具体功能如下： GPS 定位得公交车当前的经纬度信息，与地图信息进行匹配，获得公交车当前位交车运行到哪一站。

二维码,支付系统,工作方式

哈尔滨工程大学硕士学位论文显示当前车辆路线，GPS 信号，3G 信号，支付等信息(4)网路通过 3G 网络实现与后台服务器的实时通信，包括乘客的支付信息以及 GPS 位置息传递等。2.后台中心服务器系统，使用当今比较流行的 SSH 框架实现[26]，并且对高并发访情况有很好的处理能力，以便更好的应对购票乘客数量多的情况发生。经处理的客流息由开源数据库服务器 MySQL 进行实时存储[27]。3.移动终端应用软件，是指用户个人手机中下载安装的公交购票应用软件；安装册之后，乘客使用此应用软件，可以查询所要乘坐的公交线路以及选择上下站点，进购票支付，支付信息通过手机网络提交到后台公交中心服务器。2.1.2 支付系统工作方式新型公交二维码支付系统工作流程如下图 2.2 所示。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U495;TP311.13

【参考文献】