聚类和循环神经网络相结合的公交车到站时间预测模型

发布时间：2022-10-17 17:40

　　随着经济的发展与技术的进步,智慧城市概念应运而生,通过使用先进的信息技术,实现城市的智能化管理和运行,为城市中每一个人创造更好的生活。智慧公交是智慧城市的重要组成部分,满足了人们绿色出行与快捷出行的需求。公交车到站时间预测是实现智慧公交的基础,提高公交车到站时间预测的准确度对实现智慧公交和智慧城市具有重要意义。首先,本文分析影响公交车到站时间的不同因素,对公交车GPS数据进行预处理,生成公交车基础数据集。其次,提出聚类与循环神经网络相结合的公交车到站时间预测模型—PBCR模型。然后,实现PBCR模型在Spark平台的并行化。最后,通过实验的方法验证了模型的有效性。本文提出的创新点包括以下两个方面:1)提出了一种聚类与循环神经网络相结合的公交车到站时间预测模型—PBCR模型。PBCR模型的核心思想是使用模糊K均值聚类算法进行时段划分,在每个时段使用循环神经网络进行公交车到站时间预测。实验结果表明,本文提出的PBCR模型具有可行性与有效性。2)实现PBCR模型在Spark平台上的并行化。公交车GPS数据具有数据量大的特点,为了更好地挖掘数据信息,处理海量数据,实现PBCR模型的并行化是很有... 

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
    1.3 论文的主要工作
    1.4 论文结构安排
第二章 公交车到站时间影响因素分析及数据预处理
    2.1 公交到站时间影响因素分析
        2.1.1 客观因素
        2.1.2 主观因素
    2.2 GPS数据介绍
    2.3 数据预处理
    2.4 本章小结
第三章 公交到站时间预测模型
    3.1 模糊K均值聚类进行时段划分
        3.1.1 模糊K均值聚类算法介绍
        3.1.2 公交车运行时段划分
    3.2 基于循环神经网络的预测模型
        3.2.1 循环神经网络
        3.2.2 特征值的选取
        3.2.3 循环神经网络预测公交车到站时间
    3.3 聚类和循环神经网络相结合的公交车到站时间预测模型
    3.4 本章小结
第四章 并行化公交车到站时间预测模型的建立
    4.1 Spark分布式计算平台
        4.1.1 Spark组件介绍
        4.1.2 RDD介绍
        4.1.3 Spark与 Hadoop比较
    4.2 模糊K均值聚类算法并行化
        4.2.1 基于Spark的模糊K均值聚类算法设计
        4.2.2 基于Spark的模糊K均值聚类算法实现
    4.3 循环神经网络基于Spark的并行化
        4.3.1 基于Spark的循环神经网络设计
        4.3.2 基于Spark的循环神经网络实现
    4.4 并行化公交车到站时间预测模型
    4.5 本章小结
第五章 模型实验结果对比分析
    5.1 公交车运行时段划分
    5.2 公交车到站时间预测
    5.3 并行化公交车到站时间预测
    5.4 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 工作展望
参考文献
攻读硕士期间取得的研究成果
致谢


【参考文献】：
期刊论文
[1]基于遗传算法的BP神经网络在公交车到站时间预测中的应用[J]. 杨奕,张雯蕊,张灿.  现代商业. 2017(16)
[2]基于公交车轨迹数据的道路GPS环境友好性评估[J]. 马连韬,王亚沙,彭广举,赵宇昕,何远舵,高敬月.  计算机研究与发展. 2016(12)
[3]基于BP神经网络的公交车到站时间预测[J]. 谢炜.  中国石油大学胜利学院学报. 2016(04)
[4]基于词向量特征的循环神经网络语言模型[J]. 张剑,屈丹,李真.  模式识别与人工智能. 2015(04)
[5]大数据处理模型Apache Spark研究[J]. 黎文阳.  现代计算机(专业版). 2015(08)
[6]公交到站时间预测研究现状与发展趋势[J]. 向红艳,彭学文.  交通信息与安全. 2014(04)
[7]基于SVM和Kalman滤波的BRT行程时间预测模型研究[J]. 陈旭梅,龚辉波,王景楠.  交通运输系统工程与信息. 2012(04)
[8]GPS误差分析和精度控制[J]. 王应东.  测绘与空间地理信息. 2011(06)
[9]一种改进的K-means聚类算法[J]. 周爱武,崔丹丹,肖云.  微型机与应用. 2011(21)
[10]Multi-criterion system optimization model for urban multimodal traffic network[J]. SI BingFeng1,ZHANG HongYun2,ZHONG Ming3 ＆ YANG XiaoBao2 1MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology,Beijing Jiaotong University,Beijing 100044,China;2School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China;3Department of Civil Engineering,University of New Brunswick,Fredericton,New Brunswick E3B 5A3,Canada.  Science China（Technological Sciences）. 2011(04)

硕士论文
[1]基于公交车GPS轨迹数据动态生成矢量路网算法的研究[D]. 徐士昊.山东财经大学 2016
[2]卫星姿态控制系统故障模式分析与故障诊断研究[D]. 刘翔.哈尔滨工业大学 2015
[3]基于GPS数据的公交站点区间行程时间分布与可靠性分析[D]. 汤月华.浙江大学 2015
[4]智能公交车辆到站时间预测研究[D]. 李福双.北京交通大学 2009
[5]基于GIS的城市公共交通监控调度系统数据库的研究[D]. 彭聪.中国科学院研究生院（广州地球化学研究所） 2005



本文编号：3692497