發(fā)布時(shí)間：2021-04-15 09:13

　　近年來(lái),隨著城市交通出行需求的快速增長(zhǎng),道路資源的供給逐漸成為交通運(yùn)行的瓶頸,交通擁堵日益嚴(yán)重。道路行程時(shí)間是反映道路交通運(yùn)行狀態(tài)的重要參數(shù),道路行程時(shí)間預(yù)測(cè)可以為交通管理措施制定和公眾出行提供參考。為緩解快速增長(zhǎng)的出行需求和有限的道路資源供給之間的矛盾,提高路網(wǎng)運(yùn)行效率,本文以道路行程時(shí)間為研究對(duì)象,針對(duì)單機(jī)串行的海量軌跡挖掘效率低下的問(wèn)題,利用Spark大數(shù)據(jù)處理平臺(tái),提出并行化的道路行程時(shí)間提取和道路行程時(shí)間預(yù)測(cè)方法,實(shí)現(xiàn)道路行程時(shí)間及時(shí)、準(zhǔn)確地獲取和預(yù)測(cè),以便科學(xué)有效地制定交通管理措施,并為出行者的出行路線(xiàn)決策提供參考。由于單機(jī)的數(shù)據(jù)容量和數(shù)據(jù)處理能力有限、難以擴(kuò)展,串行的軌跡數(shù)據(jù)挖掘效率低下,本文首先對(duì)大數(shù)據(jù)處理平臺(tái)進(jìn)行分析,基于HDFS的高可用、低成本、易擴(kuò)展的特性和Spark的數(shù)據(jù)重用及并行化執(zhí)行機(jī)制,從數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)應(yīng)用三個(gè)層面構(gòu)建了大數(shù)據(jù)處理平臺(tái)。其次,針對(duì)傳統(tǒng)的道路行程時(shí)間預(yù)測(cè)方法不能有效地考慮道路行程時(shí)間的影響因素、不能充分挖掘道路行程時(shí)間序列內(nèi)部關(guān)聯(lián)的劣勢(shì),提出了基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）的行程時(shí)間預(yù)測(cè)方法。本文選取了行程時(shí)間的主要隨機(jī)性影響因素（... 

【文章來(lái)源】：長(zhǎng)安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

HDFS監(jiān)控界面

Spark監(jiān)控界面

軌跡描點(diǎn)圖

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)背景下城市短時(shí)交通流預(yù)測(cè)[J]. 楊正理,陳海霞,王長(zhǎng)鵬,徐智.  公路交通科技. 2019(02)
[2]微服務(wù)框架下的交通信息化架構(gòu)[J]. 鄭錦男,李舒涵,許宏科.  信息技術(shù). 2019(01)
[3]基于極限學(xué)習(xí)機(jī)的公交行程時(shí)間預(yù)測(cè)方法[J]. 宋現(xiàn)敏,劉明鑫,馬林,夏英集.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(05)
[4]電子地圖間的實(shí)時(shí)坐標(biāo)轉(zhuǎn)換系統(tǒng)[J]. 康路,閆浩文,張黎明.  遙感信息. 2018(02)
[5]基于梯度提升回歸樹(shù)的城市道路行程時(shí)間預(yù)測(cè)[J]. 龔越,羅小芹,王殿海,楊少輝.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)
[6]基于BP神經(jīng)網(wǎng)絡(luò)與SVM的快速路行程時(shí)間組合預(yù)測(cè)研究[J]. 丁宏飛,李演洪,劉博,秦政.  計(jì)算機(jī)應(yīng)用研究. 2016(10)
[7]基于大數(shù)據(jù)的非參數(shù)回歸短時(shí)交通流預(yù)測(cè)方法[J]. 馮青平,李星毅.  無(wú)線(xiàn)通信技術(shù). 2015(03)
[8]基于Hadoop的校園網(wǎng)盤(pán)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 閆偉,陳滿(mǎn)林,白云鶴,班海濤.  科技創(chuàng)新與應(yīng)用. 2015(16)
[9]基于A(yíng)RIMA-GARCH模型的城市主干道行程時(shí)間時(shí)變置信區(qū)間預(yù)測(cè)（英文）[J]. 崔青華,夏井新.  Journal of Southeast University（English Edition）. 2014(03)
[10]城市交通信號(hào)控制干道旅行時(shí)間實(shí)時(shí)預(yù)測(cè)[J]. 劉家東,林永杰,王峰.  交通信息與安全. 2014(04)

博士論文
[1]基于海量出租車(chē)軌跡數(shù)據(jù)的旅行時(shí)間預(yù)測(cè)[D]. 許濤.華東師范大學(xué) 2017
[2]基于自動(dòng)車(chē)牌識(shí)別數(shù)據(jù)的城市道路行程時(shí)間估計(jì)[D]. 付鳳杰.浙江大學(xué) 2017
[3]路網(wǎng)交通事故動(dòng)態(tài)分析及預(yù)警方法研究[D]. 代磊磊.哈爾濱工業(yè)大學(xué) 2010

碩士論文
[1]西平縣水源地地下水?dāng)?shù)值模擬及脆弱性研究[D]. 榮立.華北水利水電大學(xué) 2018
[2]事件狀態(tài)下快速路行程時(shí)間預(yù)測(cè)研究[D]. 呂路.長(zhǎng)安大學(xué) 2017
[3]基于Spark的路網(wǎng)交通運(yùn)行狀態(tài)判別研究[D]. 朱熹.長(zhǎng)安大學(xué) 2017
[4]基于多維數(shù)據(jù)的行程時(shí)間預(yù)測(cè)與可靠性研究[D]. 郭宇潔.北京交通大學(xué) 2017
[5]基于Hadoop的海量交通數(shù)據(jù)研究與應(yīng)用[D]. 王興武.浙江工業(yè)大學(xué) 2015
[6]基于城市路網(wǎng)的行程時(shí)間估計(jì)及預(yù)測(cè)方法研究[D]. 吳俏.浙江大學(xué) 2015
[7]基于Hadoop的交通視頻異常事件檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 丁鴻凱.北京郵電大學(xué) 2015
[8]基于云計(jì)算的交通網(wǎng)路徑優(yōu)化算法研究與實(shí)現(xiàn)[D]. 夏衛(wèi)雷.南京航空航天大學(xué) 2013
[9]廣義費(fèi)用識(shí)別中的城市道路路段旅行時(shí)間預(yù)測(cè)[D]. 王晶.北京交通大學(xué) 2008
[10]基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的路段行程時(shí)間預(yù)測(cè)研究[D]. 朱耿先.重慶大學(xué) 2004



本文編號(hào)：3139048