文章目录

基于Hadoop的出租车需求预测方法研究

戴滕飞

沈阳工业大学

摘要：随着城市化进程不断加快,居民出行需求日益复杂,出租车作为城市交通系统中不可或缺的部分,能够提供便捷的个性化服务,满足了城市居民多样化的出行需求,已经成为了一种重要的出行方式。然而,城市居民出行的随机性导致需求分布不均衡,出租车行驶的盲目性导致较高的空载率,不断增加出租车的需求和数量会出现出租车供需矛盾、交通拥堵等问题,因此实现对出租车需求的精准预测具有重要的实际意义。当前,出租车上普遍装有GPS设备,在行驶过程中会产生大量的出租车GPS数据,包含时间、位置等信息,这为使用深度学习方法进行出租车需求预测提供了可能。Hadoop平台的出现解决了大数据存储和处理难的问题,从而使大量的出租车GPS数据的挖掘成为可能。为有效利用出租车GPS数据,本文基于Hadoop平台,在需求时空特征分析的基础上,挖掘出租车需求热点区域,从而预测热点区域的出租车需求。在出租车数据预处理及需求时空特征分析问题的研究中,首先,搭建Hadoop数据处理平台,实现出租车GPS数据分布式存储,利用Map Reduce编程模型完成对出租车原始数据的预处理操作,包括坐标转换、二次排序以及数据清洗,在此基础上提取上下车位置数据... 更多

关键词：

出租车需求预测; 热点区域挖掘; 聚类算法; 出租车GPS数据; Hadoop;