面向多源數(shù)據(jù)的客運車輛到站時間預測研究.pdf

1、道路客運是最方便和面向大眾的中長途出行方式之一，也是社會經(jīng)濟發(fā)展的基礎性行業(yè)。推動客運行業(yè)信息化，建設完善的智能客運系統(tǒng)，能有效提高公共交通服務水平。
　　車輛到站時間是出行者最為關心的信息之一，提供客運到站時間預測不僅有利于出行者合理安排行程及客運車輛的實時調度，還能實現(xiàn)社會出行資源的合理調配、緩解城市交通擁堵、節(jié)能減排。隨著車載GPS的普及、GIS等技術的成熟、“互聯(lián)網(wǎng)+交通”概念的興起，利用新技術研究和開發(fā)客運車輛到站時間預

2、測系統(tǒng)具有重要的現(xiàn)實意義。
　　本文設計了一種采用azkaban+Hadoop+nagios技術的無損數(shù)據(jù)清洗方法，實現(xiàn)客運、公交車、出租車、貨車等多種類型車輛的GPS數(shù)據(jù)清洗。該方法使用azkaban調度清洗任務，將合格與不合格的數(shù)據(jù)分離，并存儲到HDFS，而不像傳統(tǒng)的清洗方法一樣將臟數(shù)據(jù)直接丟棄。nagios技術監(jiān)控數(shù)據(jù)清洗質量，在質量不達標時能發(fā)起告警。
　　本文研究了道路類型、重大節(jié)假日等因素對客運車輛運行時長的影響

3、，分析了公交同客運的差異性和客運車輛運行特點，采用支持向量回歸機模型實現(xiàn)客運車輛到站時間預測模型。模型充分考慮道路類型、重大節(jié)假日、天氣、路況、運行距離、運行時間、排班信息等7個特征因素，克服了一般公交系統(tǒng)研究模型設計可能因過于依賴經(jīng)驗導致過擬合等問題。選取遺傳算法解決支持向量回歸機參數(shù)尋優(yōu)的難題，實驗結果表明遺傳算法能比傳統(tǒng)K-CV算法節(jié)省約30％的時間。
　　最后，在Hadoop平臺上完成GPS異常記錄處理、確定車輛發(fā)車時間，