基于Hadoop云平臺(tái)下的客流量預(yù)測(cè)研究.pdf

1、交通客流量預(yù)測(cè)作為智能交通系統(tǒng)的一個(gè)重要研究方向，能夠有效的為城市道路建設(shè)，智能交通疏導(dǎo)等領(lǐng)域提供行之有效保障措施。通過對(duì)大量過往交通客流量數(shù)據(jù)的分析，同時(shí)結(jié)合神經(jīng)網(wǎng)絡(luò)理論，可以建立起準(zhǔn)確的數(shù)據(jù)預(yù)測(cè)模型，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型局限于訓(xùn)練樣本過小，初始化網(wǎng)絡(luò)權(quán)值選取不當(dāng)，從而可能導(dǎo)致預(yù)測(cè)結(jié)果不準(zhǔn)，借助并行計(jì)算技術(shù)以及分布式存儲(chǔ)技術(shù)可以方便的解決這兩類問題，從而建立更加準(zhǔn)確的預(yù)測(cè)模型。本文將傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法和MapReduce并行編程技術(shù)相

2、結(jié)合，同時(shí)借助HBase分布式數(shù)據(jù)庫實(shí)現(xiàn)底層數(shù)據(jù)存儲(chǔ)，建立了基于Hadoop集群的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并應(yīng)用于實(shí)際客流量的預(yù)測(cè)問題。
　　本文的主要研究工作如下：
　?。?）通過對(duì)應(yīng)用較廣泛的并行編程技術(shù)的調(diào)研與分析，確定使用MapReduce并行編程框架，并以 Hadoop集群作為實(shí)驗(yàn)環(huán)境，實(shí)現(xiàn)可視化的 Linux集群資源監(jiān)控與 Job運(yùn)行監(jiān)控等服務(wù)，開發(fā)提供了無網(wǎng)絡(luò)環(huán)境下集群安裝配置服務(wù)組件。
　　（2）在研究分析串

3、行神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型與MapReduce編程模型的基礎(chǔ)上，提出將MapReduce與BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行融合改造，提出BP-MR并行預(yù)測(cè)模型，即能夠發(fā)揮神經(jīng)網(wǎng)絡(luò)算法在預(yù)測(cè)領(lǐng)域的優(yōu)勢(shì)，同時(shí)通過增強(qiáng)初始網(wǎng)絡(luò)權(quán)值的隨機(jī)性以及訓(xùn)練樣本數(shù)據(jù)的并行化，從而可以獲得更好的預(yù)測(cè)結(jié)果。
　?。?）在Hadoop集群環(huán)境下，通過除噪清洗工作，將干凈的客流量數(shù)據(jù)存儲(chǔ)在HBase數(shù)據(jù)庫中，作為MapReduce程序的數(shù)據(jù)源，通過對(duì)BP-MR并行預(yù)測(cè)模型與B