T市交通信息共享平台研究及应用

作     者：李博美 

作者单位：大连海事大学 

学位级别：硕士

导师姓名：薛大伸

授予年度：2019年

学科分类：08[工学] 0838[工学-公安技术] 

主      题：交通信息共享平台 SOA DUBBO 交通流量预测 XGBOOST 

摘      要：随着我国经济的快速发展,交通问题逐渐成为了人们关注的焦点。如何利用现代科技加强交通管理,成为了城市发展的重要问题。智能交通系统是提高交通管理与控制能力的重要解决方法,交通信息共享平台对于智能交通系统来说是必不可少的一个平台,起到一个重要的交通枢纽的作用。本研究以T市的交通现状为基础,针对城市交通的主要问题,基于SOA的架构模式,通过Dubbo+SSM框架进行实现,建立交通信息共享平台,同时通过构建梯度提升树模型对交通流量预测模型进行研究,将研究的成果应用于平台的建设过程中。论文的主要研究工作如下:(1)平台构建技术以及交通流量预测模型研究在对信息共享平台进行研究后,找到了适合本平台的架构以及实现技术,对SOA框架,Dubbo框架以及SSM框架进行了介绍。同时对两种预测算法,ARIMA时间序列算法与XGBOOST梯度提升树算法进行了归纳总结。(2)T市的交通现状调研以及平台的需求分析在对T市进行具体调研以及参考大量文献的基础上,对比其他成功案例,对T市的交通问题进行了具体分析。在对交通问题分析的基础上对平台的用户,每个用户不同的需求,以及平台整体要完成的功能,还有平台有哪些非功能性需求进行分析。(3)交通信息共享平台的设计与实现根据对交通信息共享平台的需求分析,对平台的架构以及网络结构进行设计。在顶层设计的基础上,对平台进行详细设计分为逻辑结构设计以及数据库设计。在逻辑结构设计中只要将逻辑结构分为5个模块,信息交互模块,数据库管理模块,信息发布模块,信息处理模块以及平台管理模块。在数据库设计中,主要讲数据库分为分布式的数据库以及集中管理的数据仓库两种类型。我们通过网络对原来子系统的数据库进行连接形成分布式数据库,再通过将子系统历史数据按照业务类别存储的方法构建数据仓库。(4)构建交通流量预测模型并优化论文对获取数据的方法途径进行说明,同时介绍数据的具体结构,并对数据进行预处理的工作。先建立的ARIMA时间序列算法模型对数据进行预测,经过对比找到不足后,将ARIMA时间序列算法作为XGBOOST梯度提升树算法的一个特征,使用3大类特征对XGBOOST算法进行优化。最后对模型预测结果和预测所用时间进行对比评价,改进后的XGBOOST算法预测结果更加准确,运行时间也更短。