原文传递
基于Hadoop的路径分析及能耗预测
| 论文题名： | 基于Hadoop的路径分析及能耗预测 |
| 关键词： | Hadoop平台;地图匹配;智能交通系统;BP神经网络;路网数据;能耗预测 |
| 摘要： | 随着城市道路交通的快速发展，交通能耗增大，交通污染加重，这些问题成为了制约城市发展的主要障碍，也是交通管理面临的巨大挑战。近些年来，为解决这些问题，我国大力发展建设智能交通系统，移动互联网、物联网、云计算等新一代信息技术在交通领域得到了广泛而深入的应用。与此同时，智能交通领域每天都会各类海量的交通数据。基于新一代信息技术的交通数据开发和利用研究，将智能交通领域带入了机遇与挑战并存的大数据时代。 以往的数据处理工具与技术已经无法满足现有的需要，因而，寻求新的技术手段来处理大数据是当前迫切需要解决的问题。Hadoop作为一款开源的分布式云计算框架，在海量数据存储和处理等方面具有极大优势。本文主要利用Hadoop对大规模的浮动车数据以及能耗数据进行处理分析，研究路段平均速度与路段平均百公里能耗之间的关系，对路段平均百公里能耗进行预测，同时研究浮动车能耗与空气质量的关系。 本文研究是基于大规模的浮动车数据以及能耗数据，需要对数据进行预处理，利用Shell以及Hadoop对它们进行合并去重处理，保证数据的可用性。利用Hive对路网数据进行处理，计算道路的方向角，建立地图数据文件。在此基础上，将基于匹配度的地图匹配方法迁移到Hadoop平台，利用Hadoop分布式缓存技术，实现对大规模的浮动车数据以及能耗数据的地图匹配。 在对浮动车数据以及能耗数据准确的地图匹配的基础上，利用改进的速度-时间积分模型计算路段平均速度，利用累计的方法计算车辆路段平均百公里油耗，同时将这两种算法迁移到Hadoop平台，利用Hadoop实现对大规模的浮动车数据以及能耗数据的路段平均速度以及路段平均百公里能耗的计算，得到固定路段在一个月内分时段的路段平均速度与路段平均百公里能耗。 将BP神经网络应用于路段平均百公里能耗的预测，利用实际数据进行了拟合和预测结果分析验证，说明了其有效性并分析它的拟合曲线，利用预留数据验证预测结果。最后利用得到的数据，研究浮动车每天总能耗与空气质量AQI以及PM2.5的关系，对结果进行分析。 |
| 作者： | 李保民 |
| 专业： | 控制工程 |
| 导师： | 侯忠生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
