基于MapReduce的聚类和神经网络相结合的公交车到站时间预测模型

摘要

公交车到站时间预测是推动城市公交服务智能化发展的基础.随着大数据时代的到来,如何快速处理大数据,并提取有效信息已经成为IT行业前沿性的研究热点.本文提出一种基于MapReduce的聚类和神经网络相结合的公交车到站时间预测模型.首先,结合公交车的运行特点,利用K-means聚类方法对公交车的运行时段进行划分,同一时段中的公交车运行数据具有较高的相似性;然后,分别对各个时段的公交车运行数据建立BP神经网络模型进行到站时间的预测;其次,在大数据平台上,针对聚类和神经网络相结合的分段预测模型,建立了基于MapReduce的并行化框架.最后,以公交车的实际运行数据为例进行仿真与验证.实验结果表明,该分段模型优于传统的BP神经网络预测模型,具有较高的预测精度和预测速度.