载客热点并行预测方法、系统、终端及计算机存储介质技术方案

本发明专利技术公开了一种载客热点并行预测方法、系统、终端及计算机存储介质，方法包括：获取车辆的移动轨迹数据；对移动轨迹数据进行预处理，获得乘客热点数据；根据乘客热点数据构建并行GS‑SVM算法；基于RDD执行GS‑SVM算法，并输出预测结果；即获得移动轨迹数据预处理后获取乘客热点数据，进而构建并行GS‑SVM算法，再结合Spark下RDD实现并行GS‑SVM算法，利用GS‑SVM算法捕捉非线性信息的能力，输出预测结果，有效提高预测精确性、鲁棒性和实时性，解决了移动轨迹大数据的分布式存储和并行计算的技术问题。

【技术实现步骤摘要】
载客热点并行预测方法、系统、终端及计算机存储介质
本专利技术涉及基于移动轨迹大数据的乘客热点预测领域，尤其涉及一种载客热点并行预测方法、系统、终端及计算机存储介质。
技术介绍
在大数据驱动的智能交通时代，乘客热点预测对于驾驶员(如出租车司机)盈利至关重要，是利用历史乘客热点上客数对未来时间间隔乘客热点进行预测，进而帮助驾驶员快速寻找乘客，缩短巡航时长、降低成本开支、减少能源消耗与环境污染。传统的乘客热点预测算法存在预测精度低、适应性差等缺陷，尤其是随着交通大数据的爆炸式增长，现有串行算法在基于传统单机集中式计算平台的乘客热点预测时仍存局限，极易导致内存消耗、I/O开销高、处理效率低和可扩展性能差的技术问题。同时，现有技术在乘客热点预测中仅考虑线性关系，导致预测精度低的技术问题。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种载客热点并行预测方法、系统、终端及计算机存储介质，具有预测精度高、处理速度快、可扩展性强等特点，能有效解决基于移动轨迹大数据的乘客热点分布式存储和并行计算存在的内存消本文档来自技高网...

【技术保护点】
1.一种载客热点并行预测方法，其特征在于，所述载客热点并行预测方法包括：/n获取车辆的移动轨迹数据；/n对所述移动轨迹数据进行预处理，获得乘客热点数据；/n根据所述乘客热点数据构建并行GS-SVM算法；/n基于RDD执行所述GS-SVM算法，并输出预测结果。/n

【技术特征摘要】
1.一种载客热点并行预测方法，其特征在于，所述载客热点并行预测方法包括：
获取车辆的移动轨迹数据；
对所述移动轨迹数据进行预处理，获得乘客热点数据；
根据所述乘客热点数据构建并行GS-SVM算法；
基于RDD执行所述GS-SVM算法，并输出预测结果。


2.根据权利要求1所述的载客热点并行预测方法，其特征在于，所述对所述移动轨迹数据进行预处理，获得乘客热点数据包括：
根据所述移动轨迹数据提取所述车辆运营状态从0变为1的轨迹数据，并保存运营状态为1的轨迹数据，所述0表示空车，所述1表示载客；
根据所述运营状态为1的轨迹数据，对路网进行网格划分；
统计所述网格内预设时间间隔内运营状态为1的轨迹数据，获得乘客热点数据。


3.根据权利要求2所述的载客热点并行预测方法，其特征在于，所述根据所述移动轨迹数据提取所述车辆运营状态从0变为1的轨迹数据，并保存运营状态为1的轨迹数据包括：
通过读取HDFS文件中的移动轨迹数据，将移动轨迹数据转换为Spark中的RDD弹性分布数据集；
对RDD进行分片并过滤掉无效数据，然后再提取所需字段，所述所需字段包括车辆ID、运营状态、时间、经度和纬度，并按照车辆ID排序，确定相同所述车辆ID的运营状态连续为0、1和1的轨迹数据，保存最后一条运营状态为1的车辆ID、运营状态、时间、经度和纬度，并按照时间进行排序。


4.根据权利要求2所述的载客热点并行预测方法，其特征在于，所述根据所述运营状态为1的轨迹数据，对路网进行网格划分包括：
根据选取的目标经度范围和目标纬度范围对保存的所述轨迹数据进行过滤；
将过滤后的轨迹数据的经纬度按预设网格步长进行网格划分。


5.根据权利要求4所述的载客热点并行预测方法，其特征在于，所述统计所述网格内预设时间间隔内运营状态为1的轨迹数据，获得乘客热点数据包括:
按所述预设时间间隔对一天时间进行划分，统计相同网格在所述预设时间间隔...

【专利技术属性】
技术研发人员：夏大文，郑永玲，白宇，蒋顺英，杨楠，李华青，高晓楠，冯夫健，严晓波，魏嘉银，张乾，梁燕军，王林，
申请(专利权)人：贵州民族大学，
类型：发明
国别省市：贵州;52