唐帅+李青

摘 要：基于电子地图的路况实时预测在交通管理中起着非常重要的作用。本文提出了一种基于出租车大数据和生成式学习算法使用历史出租车GPS数据预测事实车速并与真实事实车速进行比较，从而实现城市交通状况实时分析的思路，并探讨其在MapReduce模型下的实现。

关键词：大数据；生成式学习算法；MapReduce

一、引言

智能交通系统是未来交通系统的发展方向，它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。智能交通可以有效地利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率，因而，日益受到各国的重视。

本文提出了一种基于出租车大数据和生成式学习算法使用历史出租车GPS数据进行城市交通状况实时分析的思路，并简略的讨论了用MapReduce编程模型实现模型的方法。

本文首先对提出方法的大体思路进行简单介绍，其次对算法的详细设计进行探讨，再次探讨本文提出的方法在MapReduce编程模型下的实现。最后对本文的工作做出总结。

二、基本思路

针对出租车GPS数据集的特点设计生成式学习算法，并使用历史数据对算法进行训练。使用训练得到的生成式学习算法，根据实时数据中除去车速以外的部分对车速进行预测，并将预测值与实际车速进行对比，依此对交通拥堵状况做出判断（如果某区域大部分出租汽车的实际车速明显低于生成式学习算法基于历史数据得出的预测车速，则认为这个区域此时刻的交通状况比较拥堵）。……