原文传递
基于IC和GPS数据的公交客流分析及预测算法研究
| 论文题名： | 基于IC和GPS数据的公交客流分析及预测算法研究 |
| 关键词： | 公交客流;需求预测;全球定位系统;公交IC刷卡;无损数据清洗 |
| 摘要： | 城市公交是面向大众的出行方式之一，建设完善的智能公交系统能够有效提高公共交通服务水平。公交站点客流是出行者最为关心的信息之一，随着车载GPS设备的普及、大数据平台技术的成熟、“互联网+交通”概念的兴起，利用新技术研究公交车客流量预测有重要的现实意义。 本文就目前深圳市的交通现状，基于大数据平台技术，利用公交IC刷卡数据、GPS数据以及站点线路信息，获取大规模的城市公共交通出行OD（出发地和目的地）数据，以此OD数据为基础计算公交客流，并对客流的时空特性进行分析，根据客流预测原理及数据特点，研究了客流预测模型，基于实际数据完成了深圳市公交站点客流预测算法的研究与实现。本文的主要研究工作如下： （1）基于传统数据过滤器的不足设计并实现了一种无损数据清洗方案，并完成了实验分析，为后续公交客流计算提供高质量的数据基础。本文采用此方案完成了两类数据的清洗，针对深圳通IC刷卡数据质量问题设计了对应的基于数据分类思想的清洗算法，并对此算法完成了实现与分析；针对公交GPS数据中存在的数据发送频率低、数据滞后、定位偏移3个主要问题设计了GPS数据清洗算法，并完成了算法的实现与分析。 （2）提出了一套在单次刷卡（只有上车刷卡）乘坐公交车的环境下，利用深圳通IC刷卡数据（公交刷卡）、公交GPS数据和站点线路静态信息计算乘客出行OD数据的算法，基于Hadoop+Pig+Java技术完成了公交OD数据提取算法的研究与实现，并从匹配率和准确率上对算法进行了对比评估分析，结果表明本文算法在匹配率和准确率上都有一定的提高。 （3）基于Hadoop并行平台实现了公交客流的时空特性分析，提出并构建了融合时空相关性的两阶段实时客流预测模型：第一阶段，依据客流特性设计相似度函数，得出客流的粗略估计值；第二阶段，针对客流随机波动的问题，基于灰色马尔科夫模型对预测残差进行纠偏。实验结果表明：对比三种客流预测模型（三次指数平滑、自回归、线性回归），本文预测模型的预测值与测试值在360组实验数据下的趋势线最接近，且MAE、RMSE最小，表明它在预测效果及适用性和实时性上有一定的优势。 |
| 作者： | 涂一霜 |
| 专业： | 信息与通信工程 |
| 导师： | 杨杰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
