原文传递
基于大数据Storm架构下的铁路车流预测并行计算设计与实现
| 论文题名： | 基于大数据Storm架构下的铁路车流预测并行计算设计与实现 |
| 关键词： | 铁路车流;预测模型;并行计算;大数据技术 |
| 摘要： | 铁路车流预测是铁路车流调整的基础，提高车流预测与调整水平对于加速货车周转、增加货运量、提高货运收入具有重要意义。现阶段车流预测的主要方式是手工推算，这种方式成本高，可靠性差，难以满足新时代下铁路运输组织的需要。信息化时代的到来，大数据技术的发展，为铁路车流预测提供了新的方法和思路。铁路运输信息集成平台的建立为铁路车流预测提供了数据支撑。本文基于大数据技术和大数据平台，采用新的角度构建车流预测的模型与算法，并完成了系统实现和结果检验等工作，核心内容包括以下四个方面。 模型方面:针对传统车流预测模型仅能从路局维度进行车流预测、预测起始位置不精确等问题，提出了基于铁路运输信息集成平台的车流预测模型。该模型将预测对象精确到车辆，使用更精确的车辆起始位置和起始时间，提高了车流预测的准确度。 算法方面:针对模型直接求解困难、计算量大、计算难度高等特点，提出了分解协调的求解算法，利用层次划分和协调修正向量完成计算任务的分解与合并。在算法的具体实现上，采用了基于大数据Storm的并行计算框架，设计了并行层次、并行度和任务分配机制。通过并行计算来实时处理海量的车流数据，提高了计算效率，保证了车流预测结果的时效性。 系统实现方面:形成了基于Storm并行计算的车流预测方案，完成了系统架构的设计，并对数据采集，数据筛选，车流预测，应用与扩展四个模块进行了编程实现。 结果验证方面:第一，与真实的数据的进行了对比，结果表明该方法预测的车流数量具有一定的准确性;第二，与货运五预测数据进行了对比，结果表明该方法预测的车流数量与真实的数据更接近，可以小幅度地提高预测的准确度。 |
| 作者： | 段鹏喆 |
| 专业： | 电子商务 |
| 导师： | 董宝田 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
