基于Hadoop平台的公交到站时间预测算法研究

《基于Hadoop平台的公交到站时间预测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于Hadoop平台的公交到站时间预测算法研究研究研究作者姓名李江伟工程领域交通运输工程校内指导教师许伦辉教授校外指导教师甘勇华高级工程师所在学院土木与交通学院论文提交日期2018年4月AnAlgorithmicResearchonBusArrivalTimePredictionBaseontheHadoopADissertationSubmittedfortheDegreeofMasterCandidate：LiJiangweiSupervisor：Prof.XuLunhuiSouthChinaUniversityofTechnolo

2、gyGuangzhou,China分类号：学校代号：10561学号：201521007572华南理工大学硕士学位论文基于Hadoop平台的公交到站时间预测算法研究作者姓名：李江伟指导教师姓名、职称：许伦辉教授申请学位级别：工程硕士学科专业名称：交通运输工程研究方向：智能交通论文提交日期：2018年4月14日论文答辩日期：2018年6月1日学位授予单位：华南理工大学授予日期：年月日答辩委员会成员：主席：谭满春委员：许伦辉林培群刘伟铭甘勇华摘要公交到站时间预测是智能交通领域的核心研究对象，提高公交车辆到站时间预测模型的精度和可靠性，是对城市智能交通领域的发

3、展起着积极推动的作用。在公交到站时间预测方面，论文对常用的公交到站时间预测算法进行分析，指出算法的优缺点以及使用范围。由于BP神经网络算法具有很好的自主学习能力，良好的非线性映射能力，因此选择BP神经网络模型预测公交到站时间。但是传统的BP神经网络模型难以在计算的效率和预测的精度取得平衡，尤其是在BP神经网络在具有大量的历史公交到站样本数据学习情况下。BP算的权值的训练时间不容忽视。本文首先对传统的BP神经网络模型进行分析，由于该模型采用静态梯度下降法来优化网络权值，使其传统的预测模型，具有收敛速度慢，稳定性差，容易陷入局部最小值等自身缺陷。为了克服上

4、述缺陷，本文首先对传统的模型网络参数进行优化，如添加动量项和优化学习步长，能有效的解决收敛速度和稳定性的问题。针对BP模型陷入局部最小值的问题，本文使用遗传模拟退火算法优化BP神经网络预测模型，组成GSA-BP算法来解决此问题。本文为了解决GSA-BP算法在大量的样本数据训练时间长的问题，本文利用Hadoop平台下的并行计算和分布式存储特点，将GSA-BP模型和MapReduce模型相结合预测公交车到站时间来改善计算效率。通过MapReduce编程并运行程序，分析对比实验结果可知：基于Hadoop平台的遗传模拟退火算法（GSA）优化的BP神经网络算法用

5、于用于公交到站时间的预测，预测的精度和算法的消耗时间得到显著改善。最后在本文所研究预测算法的基础上，结合Hadoop集群等技术开发了基于Hadoop平台下的公交到站时间预测系统。关键词：公交车到站时间预测；BP神经网络；Hadoop；MapReduce；退火算法；遗传算法IABSTRACTThebusarrivaltimeforecastingisthekeyresearchobjectinintelligenttransportationfield.Itisaveryimportantsubjecttoimprovetheprecisionandre

6、liabilityofthepredictionmodelwhichcanpromotethedevelopmentofcitypublictransportation.Intermsofthebusarrivaltimeforecasting,thethesisanalysesthecommonbusarrivaltimeforecastingalgorithm,andpointsouttheadvantagesanddisadvantagesofvariousalgorithmsaswellastheusingrange.duetoBPneural

7、networkalgorithmhasgoodself-learningabilityandnonlinearmappingability,sotheBPneuralnetworkalgorithmisusedtostudythebusarrivaltimeforecasting.TraditionalBPneuralnetworkpredictionmodelcouldn’tkeepthebalancebetweenthehighpredictionaccuracyandexcellentcalculationefficiency,therefore

8、theproblemofnetworktrainingtimeofthetraditional