基于集成学习的区域人流密度预测研究

《基于集成学习的区域人流密度预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于集成学习的区域人流密度预测研究作者姓名冯悦工程领域计算机技术校内指导教师张星明教授校外指导教师张宇高级工程师所在学院计算机科学与工程论文提交日期2016.4.1StudyonthepredictionofregionalstreamofpeopledensitybasedonEnsembleLearningADissertationSubmittedfortheDegreeofMasterCandidate：FengyueSupervisor：Prof.ZhangXingmingSouthChinaUniversityofTechnol

2、ogyGuangzhou,China１０５６１分巧号：：学校代号学号：２０１３２１０３１２５８华南理工大学硕±学位论文基于集成学习的区域人流密度预测研究作者姓名：巧悦指导教师性命、职称：张星明教授申请学位级剧：工程硕±工程领域名称：计算机技术论文形式：□产品研发□工程设计Ｖ应用研究□工程／项目管理□调研报告研究方向：计算机应用技术ｉ：论文提交曰期：年论文答辩曰期＞／年６月令曰ｆ？批）６月７曰＾工大学学位授予日期：年月曰学位授予单位：华南理’、’．来寶叫恃作饰＾换畴令答辩委员会成员；襄吃主席：

3、委员■、：／仍私碁因來獻詞ｆ赛．龄巧香华南理王大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进巧硏究所取得的硏究成果。除了文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中明确方式标明。本人完全意识到本声明的法律后果由本人摩担。作者签名：式曰期；年＆月７曰学位论文版权使用授权书、本学位论文作者完全了解学校有关保留使用学位论文的规定，目Ｐ；研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学

4、校有权保存并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可１＾１公布学位论文的全部或部分内容，可Ｗ允许采用影印、缩印或其它复制手段保存、汇编学位一论文。本人电子文档的内容和纸质论文的内容相致。本学位论文属于：□保密，在年解密后适用本授权书。ｂ不保密，同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊（光蟲版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资源＂总库》，传播学位论文的全部或部分内容。Ｖ＂（请在Ｗ上相应方框内打

5、）作者签名：＇屋＾曰期：＞４、６‘７｜心６＇７指导教师签名；日期；＞作者联系电话：电子邮箱：联系地址（含邮编）；摘要随着人们的生活水平越来越好，人们对精神生活的需求也越来越高，大部分特别是年轻人更乐于走向社会去参加各种有趣好玩的活动，然而由于各方面的原因，在有些公众场所经常出现人流拥挤的情况，这不仅影响了游客的出游心情更给游客带来了极大的安全隐患。虽然通过限流等相关的措施对人流量进行管理，能够在一定程度上缓解了拥挤的状况，但是在开放性的区域，这种方式却不再适用。本文研究的公共区域的人流预测技术能够为管理提供有力依据，具有重要的现实

6、意义。本研究主要基于Storm平台，对采集到的数据进行预处理后保留某个时间整点区域内的人流密度,通过已有的历史数据和实时采集到的数据建立预测模型，预测指定的时间整点的人流密度。在本文中涉及到的预测算法主要包括ARIMA、GM灰色预测和RBF神经网络三种。首先，针对不同人流密度数据的特点和ARIMA、GM两种预测算法的特点单独对不同的数据建立模型，并通过一定的集成算法对两种预测模型的结果进行集成，得到GM-ARIMA的预测结果；然后，对GM-ARIMA的预测误差运用RBF神经网络建立模型，从而预测GM-ARIMA模型的误差；最后，把GM-ARIMA的预测数据

7、和RBF的误差预测数据结合起来形成最后的预测结果。在ARIMA和GM算法的选择上基于最基本的算法模型和人流密度数据的特点参考了其他学者提出的优化模型，根据最小误差平方和原则，按照一定的规则对两种预测结果进行集成，从而建立基于ARIMA和灰色模型的区域人流密度的预测模型。本文给出了详细的理论方法和设计步骤，并在Storm分布式平台上对该预测方案进行了实验。实验结果表明用GM-ARIMA集成预测的效果比单独的GM或者ARIMA的预测效果都好，同时经过修正残差后的预测效果比单独的集成效果更好，根据均方误差计算，GM-ARIMA比GM提高了56.05%，比ARIM

8、A提高了4.5%，残差修正后的结果比GM-ARIMA提高了77.1