原文传递
基于Hadoop云平台下的客流量预测研究
| 论文题名： | 基于Hadoop云平台下的客流量预测研究 |
| 关键词： | 客流量预测;数据库;神经网络;智能交通 |
| 摘要： | 交通客流量预测作为智能交通系统的一个重要研究方向，能够有效的为城市道路建设，智能交通疏导等领域提供行之有效保障措施。通过对大量过往交通客流量数据的分析，同时结合神经网络理论，可以建立起准确的数据预测模型，传统的神经网络预测模型局限于训练样本过小，初始化网络权值选取不当，从而可能导致预测结果不准，借助并行计算技术以及分布式存储技术可以方便的解决这两类问题，从而建立更加准确的预测模型。本文将传统神经网络算法和MapReduce并行编程技术相结合，同时借助HBase分布式数据库实现底层数据存储，建立了基于Hadoop集群的神经网络预测模型，并应用于实际客流量的预测问题。 本文的主要研究工作如下： （1）通过对应用较广泛的并行编程技术的调研与分析，确定使用MapReduce并行编程框架，并以 Hadoop集群作为实验环境，实现可视化的 Linux集群资源监控与 Job运行监控等服务，开发提供了无网络环境下集群安装配置服务组件。 （2）在研究分析串行神经网络预测模型与MapReduce编程模型的基础上，提出将MapReduce与BP神经网络算法进行融合改造，提出BP-MR并行预测模型，即能够发挥神经网络算法在预测领域的优势，同时通过增强初始网络权值的随机性以及训练样本数据的并行化，从而可以获得更好的预测结果。 （3）在Hadoop集群环境下，通过除噪清洗工作，将干净的客流量数据存储在HBase数据库中，作为MapReduce程序的数据源，通过对BP-MR并行预测模型与BP模型的预测结果进行分析对比，得出BP-MR并行预测模型的优点和不足，提出改进思路。 |
| 作者： | 孟鑫 |
| 专业： | 计算机应用技术 |
| 导师： | 安毅生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
