一种基于GRU神经网络的公交到站时间预测方法技术

本发明专利技术公开了一种基于GRU神经网络的公交到站时间预测方法，所述方法包括：由数据库导出历史数据至CSV格式文件，获取原始数据，利用HBase分布式数据库和Spark内存处理技术对所述原始数据进行分析处理去除原始数据的混杂性、复杂性和系数性；基于单一属性和多因子角度采用特征相关性研究法处理分析处理后的所述原始数据，得到标准时间序列类型数据；利用Lasso方法对标准时间序列类型数据进行变量选择，剔除标准时间序列类型数据中关联性弱的特征向量；基于GRU神经网络构建公交的到站预测模型，输入已剔除关联性弱特征向量的标准时间序列类型数据至到站预测模型，实现对公交到站的时间预测操作；本发明专利技术可有效提升对公交到站时间预测的准确性。

【技术实现步骤摘要】
一种基于GRU神经网络的公交到站时间预测方法
本专利技术涉及城市公交的监控及到站时间预测技术，具体涉及一种基于GRU神经网络的公交到站时间预测方法。
技术介绍
公共交通是关系国计民生的重要基础设施，发展信息化、智能化的先进公交系统对提高城市公共交通管理和服务水平具有积极意义。公交车辆调度管理是先进公交系统的核心，而公交车辆到站时间是公交车辆动态调度管理的关键参数，传统公交排班是根据经验所判断的固定站间行驶时间间隔来对到站时间进行仿真。通常，这种方法制作出来的预估时间表误差性大、拟合程度低，不能反映出真正的情况。到站时间预测对于提高公交车辆准时性，减少乘客等待时间，方便乘客合理分配出行时间提供了重要帮助。国内外学者在公交车辆到站时间预测方面做了大量的研究，提出的预测模型主要有时间序列(TimeSeries,TS)模型、人工神经网络(ArtificialNeuralNetwork,ANN)模型、支持向量机(SupportVectorMachines,SVM)模型以及Kalman滤波模型等。Yang等人在与测试，通过对时间序列中的不平稳数据进行差分处理，建立了自回归移动平均时间序列模型，通本文档来自技高网...

【技术保护点】
1.一种基于GRU神经网络的公交到站时间预测方法，其特征在于，所述方法包括：S1、由数据库导出历史数据至CSV格式文件，获取原始数据，利用HBase分布式数据库和Spark内存处理技术对所述原始数据进行分析处理去除所述原始数据的混杂性、复杂性和系数性；S2、基于单一属性和多因子角度采用特征相关性研究法处理分析处理后的所述原始数据，得到标准时间序列类型数据；S3、利用Lasso方法对所述标准时间序列类型数据进行变量选择，剔除所述标准时间序列类型数据中关联性弱的特征向量；S4、基于GRU神经网络构建公交的到站预测模型，输入已剔除关联性弱特征向量的所述标准时间序列类型数据至所述到站预测模型，实现对公...

【技术特征摘要】
1.一种基于GRU神经网络的公交到站时间预测方法，其特征在于，所述方法包括：S1、由数据库导出历史数据至CSV格式文件，获取原始数据，利用HBase分布式数据库和Spark内存处理技术对所述原始数据进行分析处理去除所述原始数据的混杂性、复杂性和系数性；S2、基于单一属性和多因子角度采用特征相关性研究法处理分析处理后的所述原始数据，得到标准时间序列类型数据；S3、利用Lasso方法对所述标准时间序列类型数据进行变量选择，剔除所述标准时间序列类型数据中关联性弱的特征向量；S4、基于GRU神经网络构建公交的到站预测模型，输入已剔除关联性弱特征向量的所述标准时间序列类型数据至所述到站预测模型，实现对公交到站的时间预测操作。2.如权利要求1所述的基于GRU神经网络的公交到站时间预测方法，其特征在于，步骤S1包括：S11、利用SparkSQL从HDFS中获取所述CSV格式文件，形成SparkDataFrame结构数据；S12、利用SparkSQL提取指定公交的历史GPS轨迹数据，并利用HBase分布式数据库将所述历史GPS轨迹数据与公交站点距离进行匹配。3.如权利要求2所述的基于GRU神经网络的公交到站时间预测方法，其特征在于，所述利用HBase分布式数据库将所述历史GPS轨迹数据与公交站点距离进行匹配，包括：S121、设定一特定值用于判断所述匹配是否小于公交的指定到站地点，若所述匹配的结果小于所述特定值，则标记与所述匹配对应的公交到站地点；S122、将所述匹配按时间顺序任取时间间隔大于t秒的两个GPS定位点，根...

【专利技术属性】
技术研发人员：孙玲，陆俊天，施佺，曹阳，沈琴琴，朱森来，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏,32