基于Spark分布式蚁狮算法的小波神经网络短时交通流预测研究

发布时间：2023-04-02 22:59

　　道路交通高效运作的条件之一就是进行实时准确的车流预测,这不仅能帮助相关交通部门针对外出车辆进行约束和引导,还是智能交通系统(Intelligent Transportation Systems,ITS)众多值得研究的主题之一。近年来,以数据为导向的智能模精度不断提高,很重要的原因之一就是相关道路交通检测数据的获取原来越方便、快捷。其中,深度学习中的神经网络结构被大量应用在道路车流序列估计等各个方面,主要得益于网络模仿人体内大脑单元的学习方式,并具备信息处理和学习的高效能力。然而,合理的计划和方案同样需要应用在如何充分利用复杂海量数据上。除了要管理和存储不同类型的数据之外,全面的数据虽然可以为复杂模型提供丰富的训练数据集,但是这些数据本身也使得项目人员面临着大规模样本处理和复杂特征工程的挑战。因此,海量数据的处理技术与运输行业的融合方案就显现出非比寻常的探讨深度和经济价值。利用海量规模处理技术和Spark分布式多点运算,使得当前如何在合理时间内学习到符合预期要求的数据处理模型成为了本文研究主题,并进而尝试可以打造更复杂的应用程序模型。在对主流多节点异地计算框架Spark的分析研究之后,本...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 大数据计算平台介绍
    1.3 国内外研究现状
        1.3.1 传统预测模型分类
        1.3.2 大数据技术研究现状
    1.4 本文主要内容
第2章 交通流大数据分析和预处理
    2.1 大数据处理技术
        2.1.1 HDFS分布式文件系统
        2.1.2 MapReduce编程模型
        2.1.3 Spark基本框架
    2.2 交通流量数据集来源
    2.3 模型性能估测对比评价标准
    2.4 交通流的可预测性分析
    2.5 小波神经网络
    2.6 本章小结
第3章 基于ALO-WNN的短期道路车流量估测
    3.1 小波神经网络短期道路车流量估测
    3.2 蚁狮算法
        3.2.1 蚁狮算法原理
        3.2.2 蚁狮算法流程
        3.2.3 ALO-WNN的短时交通流预测
    3.3 ALO-WNN与传统优化算法对比
    3.4 基于自适应变异加权精英策略的ALO算法改进
        3.4.1 自适应变异加权精英策略
        3.4.2 IWALO与传统算法相比
    3.5 本章小结
第4章 基于Spark分布式IWALO交通流实时预测
    4.1 分布式算法策略
        4.1.1 计算并行模式
        4.1.2 数据并行模式
        4.1.3 模型并行模式
    4.2 SPARK编程模型
        4.2.1 Spark运行基本流程
        4.2.2 RDD的设计与运行原理
    4.3 基于SPARK-IWALO分布式算法设计
        4.3.1 基于Spark的分布式IWALO流程图
        4.3.2 基于Spark的分布式IWALO伪代码设计
        4.3.3 Spark分布式集群环境搭建
    4.4 分布式场景下节点加速比
    4.5 实验结果及分析
    4.6 本章小结
第5章 总结和展望
    5.1 总结
    5.2 展望
参考文献
致谢
附录



本文编号：3780136