Canopy和K-means聚类算法在公交IC卡数据分析中的应用研究

论文摘要

通过收集南通市市区公交线路名称和站点名称,在不依赖GPS定位数据的基础上,采用Canopy和K-means聚类算法分析乘客上车时间序列,从而建立乘客上车站点的理论模型,并在Hadoop平台上用MapReduce框架实现算法的并行化。最后,以南通公交IC刷卡记录为例,用Canopy算法和K-means算法对IC卡刷卡记录进行分析。实验表明,在Hadoop平台,用Canopy和K-means算法分析公交IC卡数据运行稳定、可靠,具有很好的聚类效果。

论文目录

• 1 国内外关于公交IC卡的研究
• 2 数据预处理
• 3 聚类算法
•   3.1 K-means算法
•   3.2 Canopy算法
•   3.3 K-means和Canopy算法在Hadoop平台下的实现过程
•   3.4 乘客上车站点判断
• 4 实验结果
•   4.1 实验环境
•   4.2 实验结果
• 5 结语

文章来源

类型: 期刊论文

作者: 杨健兵

关键词: 聚类

来源: 无线互联科技 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,计算机软件及计算机应用

单位: 南通科技职业学院

基金: 南通市科技资助项目,项目名称:BP神经网络技术在智能公交IC卡中的应用研究,项目编号:MS12017026-4

分类号: TP311.13;U495

页码: 125-128

总页数: 4

文件大小: 1573K

下载量: 117