[發明專利]載客熱點并行預測方法、系統、終端及計算機存儲介質

在審

• 申請號: 202010857329.5
• 申請日: 2020-08-24
• 公開（公告）號: CN112070529A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 夏大文;鄭永玲;白宇;蔣順英;楊楠;李華青;高曉楠;馮夫健;嚴曉波;魏嘉銀;張乾;梁燕軍;王林
• 申請（專利權）人: 貴州民族大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/30;G06F16/29;G06F16/2458;G06K9/62
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 陳啟天

本發明公開了一種載客熱點并行預測方法、系統、終端及計算機存儲介質，方法包括：獲取車輛的移動軌跡數據；對移動軌跡數據進行預處理，獲得乘客熱點數據；根據乘客熱點數據構建并行GS?SVM算法；基于RDD執行GS?SVM算法，并輸出預測結果；即獲得移動軌跡數據預處理后獲取乘客熱點數據，進而構建并行GS?SVM算法，再結合Spark下RDD實現并行GS?SVM算法，利用GS?SVM算法捕捉非線性信息的能力，輸出預測結果，有效提高預測精確性、魯棒性和實時性，解決了移動軌跡大數據的分布式存儲和并行計算的技術問題。

技術領域

本發明涉及基于移動軌跡大數據的乘客熱點預測領域，尤其涉及一種載客熱點并行預測方法、系統、終端及計算機存儲介質。

背景技術

在大數據驅動的智能交通時代，乘客熱點預測對于駕駛員(如出租車司機)盈利至關重要，是利用歷史乘客熱點上客數對未來時間間隔乘客熱點進行預測，進而幫助駕駛員快速尋找乘客，縮短巡航時長、降低成本開支、減少能源消耗與環境污染。

傳統的乘客熱點預測算法存在預測精度低、適應性差等缺陷，尤其是隨著交通大數據的爆炸式增長，現有串行算法在基于傳統單機集中式計算平臺的乘客熱點預測時仍存局限，極易導致內存消耗、I/O開銷高、處理效率低和可擴展性能差的技術問題。同時，現有技術在乘客熱點預測中僅考慮線性關系，導致預測精度低的技術問題。

發明內容

本發明所要解決的技術問題是針對上述現有技術的不足，提供一種載客熱點并行預測方法、系統、終端及計算機存儲介質，具有預測精度高、處理速度快、可擴展性強等特點，能有效解決基于移動軌跡大數據的乘客熱點分布式存儲和并行計算存在的內存消耗高、計算耗時的技術問題。

本發明解決上述技術問題的技術方案如下：一種載客熱點并行預測方法、系統、終端及計算機存儲介質，包括以下步驟：

獲取車輛的移動軌跡數據；

對所述移動軌跡數據進行預處理，獲得乘客熱點數據；

根據所述乘客熱點數據構建并行GS-SVM算法；

基于RDD執行所述GS-SVM算法，并輸出預測結果。

本發明的有益效果是：獲得移動軌跡數據，在預處理后獲取乘客熱點數據，進而構建并行GS-SVM算法，再結合Spark下RDD實現所述并行GS-SVM算法，利用GS-SVM算法捕捉非線性信息的能力，輸出預測結果，有效提高預測精確性、魯棒性和實時性，解決了移動軌跡大數據的分布式存儲和并行計算的技術問題。

進一步，所述對所述移動軌跡數據進行預處理，獲得乘客熱點數據包括：

根據所述移動軌跡數據提取所述車輛運營狀態從0變為1的軌跡數據，并保存運營狀態為1的軌跡數據，所述0表示空車，所述1表示載客；

根據所述運營狀態為1的軌跡數據，對路網進行網格劃分；

統計所述網格內預設時間間隔內運營狀態為1的軌跡數據，獲得乘客熱點數據。

采用上述進一步方案的有益效果是，將所述移動軌跡大數據依次進行數據提取、數據排序、路網網格化和數據統計，通過在Hadoop分布式計算平臺下，基于Spark并行處理框架解決了移動軌跡大數據的分布式存儲和并行計算存在的內存消耗高、計算耗時的技術問題。

進一步，所述根據所述移動軌跡數據提取所述車輛運營狀態從0變為1的軌跡數據，并保存運營狀態為1的軌跡數據包括：

通過讀取HDFS文件中的移動軌跡數據，將移動軌跡數據轉換為Spark中的RDD彈性分布數據集；