隨著經濟的發(fā)展與技術的進步,智慧城市概念應運而生,通過使用先進的信息技術,實現城市的智能化管理和運行,為城市中每一個人創(chuàng)造更好的生活。智慧公交是智慧城市的重要組成部分,滿足了人們綠色出行與快捷出行的需求。公交車到站時間預測是實現智慧公交的基礎,提高公交車到站時間預測的準確度對實現智慧公交和智慧城市具有重要意義。首先,本文分析影響公交車到站時間的不同因素,對公交車GPS數據進行預處理,生成公交車基礎數據集。其次,提出聚類與循環(huán)神經網絡相結合的公交車到站時間預測模型—PBCR模型。然后,實現PBCR模型在Spark平臺的并行化。最后,通過實驗的方法驗證了模型的有效性。本文提出的創(chuàng)新點包括以下兩個方面:1)提出了一種聚類與循環(huán)神經網絡相結合的公交車到站時間預測模型—PBCR模型。PBCR模型的核心思想是使用模糊K均值聚類算法進行時段劃分,在每個時段使用循環(huán)神經網絡進行公交車到站時間預測。實驗結果表明,本文提出的PBCR模型具有可行性與有效性。2)實現PBCR模型在Spark平臺上的并行化。公交車GPS數據具有數據量大的特點,為了更好地挖掘數據信息,處理海量數據,實現PBCR模型的并行化是很有... 

【文章頁數】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國內外研究現狀
    1.3 論文的主要工作
    1.4 論文結構安排
第二章 公交車到站時間影響因素分析及數據預處理
    2.1 公交到站時間影響因素分析
        2.1.1 客觀因素
        2.1.2 主觀因素
    2.2 GPS數據介紹
    2.3 數據預處理
    2.4 本章小結
第三章 公交到站時間預測模型
    3.1 模糊K均值聚類進行時段劃分
        3.1.1 模糊K均值聚類算法介紹
        3.1.2 公交車運行時段劃分
    3.2 基于循環(huán)神經網絡的預測模型
        3.2.1 循環(huán)神經網絡
        3.2.2 特征值的選取
        3.2.3 循環(huán)神經網絡預測公交車到站時間
    3.3 聚類和循環(huán)神經網絡相結合的公交車到站時間預測模型
    3.4 本章小結
第四章 并行化公交車到站時間預測模型的建立
    4.1 Spark分布式計算平臺
        4.1.1 Spark組件介紹
        4.1.2 RDD介紹
        4.1.3 Spark與 Hadoop比較
    4.2 模糊K均值聚類算法并行化
        4.2.1 基于Spark的模糊K均值聚類算法設計
        4.2.2 基于Spark的模糊K均值聚類算法實現
    4.3 循環(huán)神經網絡基于Spark的并行化
        4.3.1 基于Spark的循環(huán)神經網絡設計
        4.3.2 基于Spark的循環(huán)神經網絡實現
    4.4 并行化公交車到站時間預測模型
    4.5 本章小結
第五章 模型實驗結果對比分析
    5.1 公交車運行時段劃分
    5.2 公交車到站時間預測
    5.3 并行化公交車到站時間預測
    5.4 本章小結
第六章 總結與展望
    6.1 本文總結
    6.2 工作展望
參考文獻
攻讀碩士期間取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于遺傳算法的BP神經網絡在公交車到站時間預測中的應用[J]. 楊奕,張雯蕊,張燦.  現代商業(yè). 2017(16)
[2]基于公交車軌跡數據的道路GPS環(huán)境友好性評估[J]. 馬連韜,王亞沙,彭廣舉,趙宇昕,何遠舵,高敬月.  計算機研究與發(fā)展. 2016(12)
[3]基于BP神經網絡的公交車到站時間預測[J]. 謝煒.  中國石油大學勝利學院學報. 2016(04)
[4]基于詞向量特征的循環(huán)神經網絡語言模型[J]. 張劍,屈丹,李真.  模式識別與人工智能. 2015(04)
[5]大數據處理模型Apache Spark研究[J]. 黎文陽.  現代計算機(專業(yè)版). 2015(08)
[6]公交到站時間預測研究現狀與發(fā)展趨勢[J]. 向紅艷,彭學文.  交通信息與安全. 2014(04)
[7]基于SVM和Kalman濾波的BRT行程時間預測模型研究[J]. 陳旭梅,龔輝波,王景楠.  交通運輸系統(tǒng)工程與信息. 2012(04)
[8]GPS誤差分析和精度控制[J]. 王應東.  測繪與空間地理信息. 2011(06)
[9]一種改進的K-means聚類算法[J]. 周愛武,崔丹丹,肖云.  微型機與應用. 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)

碩士論文
[1]基于公交車GPS軌跡數據動態(tài)生成矢量路網算法的研究[D]. 徐士昊.山東財經大學 2016
[2]衛(wèi)星姿態(tài)控制系統(tǒng)故障模式分析與故障診斷研究[D]. 劉翔.哈爾濱工業(yè)大學 2015
[3]基于GPS數據的公交站點區(qū)間行程時間分布與可靠性分析[D]. 湯月華.浙江大學 2015
[4]智能公交車輛到站時間預測研究[D]. 李福雙.北京交通大學 2009
[5]基于GIS的城市公共交通監(jiān)控調度系統(tǒng)數據庫的研究[D]. 彭聰.中國科學院研究生院（廣州地球化學研究所） 2005



本文編號：3692497