原文传递
智能交通系统中基于时空上下文数据的推理机制研究
| 论文题名： | 智能交通系统中基于时空上下文数据的推理机制研究 |
| 关键词： | 城市公共交通;客流预测;时空上下文;数据预处理;最小二乘支持向量回归 |
| 摘要： | 随着城市现代化建设的持续推进和人民生活水平的迅速提高，城市道路上交通出行的流量和需求越来越多，带来了环境污染和交通堵塞等问题。与此同时，越来越多城市的交通正在走向智能化，道路、车辆上日益普及的传感器等设备和移动通讯技术的飞速发展，使得城市交通产生了海量的时空上下文数据。这些数据潜藏了巨大的研究和应用价值，特别是在智能交通这一时空上下文强相关场景下，这些数据所包含的信息对城市公共交通的规划和优化有很大的参考价值，公共交通的发展可以有效缓解环境污染等问题。 为了解决多源异构的时空上下文数据中存在的数据缺失、系统间误差等问题，提出一种基于聚类的数据预处理和融合方法。通过对公交车全球定位系统（Global Positioning System，GPS）数据、公交车刷卡数据、出租车GPS数据、城市兴趣点（Point of Interest，POI）数据等多源异构的时空上下文数据的预处理和融合，进一步提出一种基于最小二乘支持向量回归的公交站点客流量预测模型用于预测城市公交站点的客流量。进而提出一种既能满足乘客需求，又能收益最大化的定制公交线路推荐方法。 利用珠海市的真实数据，对提出的数据预处理和融合方法、最小二乘支持向量回归预测模型进行了大量的实验和充分的验证。根据实验结果，提出的数据预处理和融合方法可以正确地完成数据的预处理和融合。提出的最小二乘支持向量回归预测模型与基于线性回归、时间序列和人工神经网络等方法相比较，有更好的预测准确度，特别是在短时客流预测上能取得更好的预测准确度。 |
| 作者： | 牛丽强 |
| 专业： | 计算机系统结构 |
| 导师： | 陈汉华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
