基于Hadoop平臺的鐵路車流運行徑路獲取與預測模型及算法研究.pdf

1、近年來鐵路總公司積極推進貨物運輸改革，努力提高鐵路貨運服務水平，加強鐵路物流化建設，力求擴大鐵路運輸在貨物運輸市場中的份額。但是目前鐵路貨運中最突出的問題是貨物運輸的時間具有很大的不確定性，大大制約了鐵路運輸的競爭力。雖然鐵路部門制定了鐵路貨物運到期限，但是貨物運輸時間仍會受到車流集結、車流改編等運輸作業(yè)的影響，因此鐵路部門需要加強對車流的有效掌控，提升運輸組織效率。而準確的車流預測可以實現(xiàn)對車流分布的有效掌控，可以及時避免車流擁堵的發(fā)

2、生，保證路網的運輸效率。車流預測的基礎是車流徑路，確定合理的車流徑路，對于準確地進行車流預測、高效地進行運輸組織具有重要作用。
　　本文以確定合理的車流徑路為研究目標，借助鐵路運輸信息集成平臺提供的各業(yè)務系統(tǒng)整合的數據，構建車流運行徑路獲取模型來獲取車流運行過程中的真實走行徑路，并利用Hadoop平臺處理車流運行徑路大數據集，對車流經由的每個車站構建針對不同貨種的車流運行徑路模式和概率后綴樹，并在車流預測系統(tǒng)中進行驗證。具體工作如

3、下:
　　(1)對反映車流實際走行情況的車流運行徑路進行研究，借助鐵路運輸信息集成平臺獲取經過整合和共享的鐵路業(yè)務數據，建立徑路節(jié)點映射模型、車輛報文匹配模型、徑路序列拼接模型來獲取完整的車流運行徑路。
　　(2)考慮到鐵路車流運行徑路的數據量會隨著時間的累積不斷增大，傳統(tǒng)數據分析方法不能實現(xiàn)對不斷增加的海量數據的有效分析，本文設計大數據分析方法利用Hadoop平臺來處理車流運行徑路數據，利用Sqoop工具實現(xiàn)傳統(tǒng)關系型數據

4、庫與分布式文件系統(tǒng)HDFS之間的數據傳輸，利用MapReduce編程模型高效處理車流運行徑路大數據集，利用變階馬爾科夫模型對車流運行徑路的徑路序列進行處理，建立運行徑路模式并構建概率后綴樹，用以預測車流運行徑路。
　　(3)利用Java編程實現(xiàn)基于運輸信息集成平臺的車流運行徑路獲取過程，搭建Hadoop平臺進行MapReduce編程開發(fā)來處理車流徑路大數據，并實現(xiàn)車流運行徑路模式提取和概率后綴樹的構建，以不同貨種、不同徑路模式預測