• 82
•
本文通过由大连公交集团提供的大量的交通数据集，利用大数据技术，在集下分析公共交通出行数据，利用基于Hadoop 平台的SLMBP 神经网络并行化算法和使用了时间序列模型和人工神经网络在线性和非线性建模的优势，完成短时交通道路的分析预测，可得到对于公交短时客流的预测和到站时间范围预测。本文基于现有的数据平台和技术基础，进一步开发出智慧交通小程序，利用导航或电子地图等工具帮助使用者尽可能避开拥堵路段，实时预测路况，生成线路上所有公交车运动轨迹图，实时显示下一班公交到站时间和公交车上的客流量，为居民提供更加合理和多样的出行路线选择。
合理的城市公共交通出行结构是各城市交通系统的重要特征，也是解决城市交通拥堵的重中之重，它能够从侧面说明各城市在公共交通需求上具有的不同特点以及城市公共交通领域各种出行方式的功能与地位，对配置有限的城市公共交通资源起到重要作用，也是决定城市公共交通系统运行效率高低的关键因
素。城市公共交通总客运量为地面公交客运量与轨道交通客运量之和，对其研究的成果能为公共交通需求者提供更合理出行方式选择。
由于大连市目前城市公交出行率达到43%，居国内领先水平，对其公交出行方式结构的研究具有解决城市公交系统建设存在问题代表作用，将会对其他城市规划管理公交系统产生重要借鉴意义。因此，本文通过对大连市居民公交出行方式结构的大数据分析，来说明现代化城市对公交体系需求的特点，为其他城市公交体系的发展和完善提供参考价值。
1  大连市公共交通概况分析
由于车辆迅猛增长、城市道路建设相对滞后、线路位置规划不当、停车疏导管理不够严格等问题，很多城市存在着严重的道路车辆拥堵问题。对大连市而言，机动车的增长速度远远领先于道路建设的速度，以2002年至2010年为例，大连市机动车的增长达13%，而新建和拓宽的道路的增长率仅为30%。如今大连市内大部分的道路超负荷运行是每天的常态，尤其是早晚高峰期，城市主干路路网基本处于瘫痪状态，进出市道路一片“红饱和”。大连市目前城市公交出行率达到43%，居国内领先水平，庞大的出行人、拥挤的道路、过长的等车时间为居民生活带来了很多不便。
2  智能交通的发展现状及分析歌诗图配件
智能交通系统（ITS, intelligent traffic system ）指对道路交通状况实施监测的系统，该系统借助数据挖掘方法获取道路的拥堵状
态，然后根据系统分析的结果对机动车实施有效的调度。智能交通融合智能化、数据化、信息化发展的理念，有助于进一步推动城市化可持续发展进程，提升城市综合竞争实力。智能交通系统通过智慧交通数据平台，对实时车流量分布进行远程调度管理，有效缓解了交通拥堵，进而提高了城市交通系统的运行效率；与此同时还减少了环境污染，并且在确保交通安全方面效果也非常显著，与国家建设“智慧城市”、“绿环保城市”和“安全城市”的要求达到高度统一。目前，早已有许多监测手段被应用到了智能交通系统的构建中，帮助城市管理者完成对交通拥堵状况的判断。例如，通过在道路两边安装静态传感器以接收道路车流量的实时数据，并将实时数据传输到数据中心，通过数据平台加以分析处理，得到反映道路拥堵状态的量化指标和借助高清摄像头采集道路交通图像数据，并根据对图像的分析处理结果完成对道路拥堵情况较为准确的判断。
然而，要使智能交通应用于公共交通系统上，实时数据采集与处理技术和公共交通体系智能化的基本理论与技术是两个必须要解决的问题。实施公共交通体系智能化需要用到大量的静态和动态信息。静态数据包括：公交站点间距、站点的位置坐标、居民出行量、居民的收入水平等；动态数据包括：全球卫星定位系统（GPS ）定位数据、地理信息系统（GIS ）中电子地图上的矢量数据、客流量、动态交通数据、站点间行程时间数据、公交车发车间隔等。
目前国内现有的地图类工具软件主要是高德地图、百度地图和腾讯地图等。从应用功能角度方面进行分析，百度地图和高德地
图提供基本导航和定位功能，百度地图额外提供生活服务。从路况信息方面分析，高德地图能够及时提供拥堵情况，显示整个拥堵距离，将拥堵状况考虑在内来计算行驶时间，但不提供公交数据具体预测功能。
由此，本文提出运用结合智能交通系统，并基于大连公交集团提供的大量的交通数据集，利用大数据技术，在集下分析公共交通出行数据，利用基于Hadoop 平台的SLMBP 神经网络并行化算法和使用了时间序列模型和人工神经网络在线性和非线性建模的优势，完成短时交通道路的分析预测，可得到对于公交短时客流的预测和到站时间范围预测，进而构建智慧公交数据可视化平台的方法来促进公共交通体系与智能交通调度系统的融合，致力于构建智
能化的交通调度管理系统，缓解交通拥堵压力，提高城市公共交通系统的运行效率，优化公共交通需求者的体验，并为其他城市公交系统规划发展提供参考价值。
基于大连公交数据集的智慧公交数据可视化平台分析中华骏捷frv 2010款
大连海事大学  张皓铖  朱  琦  孙浩杰  刘津硕  关颖珊
• 83
•
3  智慧公交数据可视化平台的构建
3.1  利用开源的Map-Box和Echars技术进行可视化处理
Map-Box 使用Web 服务扩展应用程序的功能，以进行地理编码、方向、空间分析等。以编程方式创建静态地图；Echarts 主要运用增量渲染技术（4.0+），配合各种其他细致的优化，Echarts 便能够显示千万级的数据量，并且依然能够在这个数据量级进行流畅的缩放平移等交互，其同时提供了对流加载的支持，使用WebSocket 或者对数据分块后加载，加载多少渲染不需要漫长地等待所有数据加载完再进行绘制。
在Map-Box 地图图层的基础上覆盖一层又一层的特效，可以让原来静态的地图动起来，来达到数据动态可视化。3.2  基于大数据的短期客车客流预测模型
利用非线性阻尼最小二乘法（Levenberg-Marquardt ）来优化BP 神经网络构建了SLMBP 客流预测模型，解决了BP 神经网
3.3  速度预测奇瑞qq3价格
通过时间序列预测模型、人工神经网络预测模型在处理线性和非线性建模的优势，在分析可预测性的基础上，分别在历史数据和实时数据中选取一组时序数据进行时间序列建模预测，得出二者的预测值，并对两者的预测值通过BP 神经网络进行融合调整，从而得到最终的较为准确预测结果，进而达到优化短时交通流速度的预测效果。如图2所示。
4  智慧公交数据可视化平台的运行结果
大连汽车网
2020年某日早高峰时段，大连公交集团汽车五分公司中南路客运站智能调度中心里，一位调度员在观察404路运行图的各台车辆位置分布中发现了问题，“在桃源市场附近发生了车流积压、车辆拥堵，原因可能是遇到路阻，相对前面车辆间隔比较大，请桃源市场附近的车辆大站运行，把车隔赶回来，尽量减少乘客的等车时间。”智能调度系统反应迅速，几乎在指令下达的同时车上的车
图1 SLMBP客流模型预测
图2 优化的短时交通流速度的预测效果图
络极易陷于局部最优解、收敛速度慢的问题。针对单机模式下SLMBP 算法无法在短时间内对多个公交站点进行短时客流预测的问题，设计了基于Hadoop 平台的SLMBP 神经网络并行化算法。如图1所示。
载终端就会提示，驾驶员即可做出相应的调整。在此之前调度室一般设置在线路两端，所以只能根据
车辆出入站情况来判断线路运营是否畅通，行车途中也没法联系驾驶员，而智能调度系统则可以实时掌握线路运营情况，迅速做出反应。在系统画面中，绿表示车辆上行方向，粉红表示车辆下行方向，红表示车辆超速或有其他问题出现，系统将予以报警、提示，点击车
辆标识，系统可显示车辆的车号、司机姓
名、车速、班次、班别、当前车次、下次发车时间等。
得益于智能交通系统的建设，目前大连市上下班高峰期间公交车平均运营速度达到18.92 km/h ，平均车隔8.1 min ，车隔小于
（下转第86页）
• 86
•
3  事故处理
完整排查后发现A 相有15处包封不同程度破损，B 相有1处在磁屏蔽中部轻微破损，C 相未发现。为彻底消除故障，具体处理措施为：（1）将磁屏蔽靠近铁芯部位的局部位置采用0.5 mm 绝缘纸板加包一层，并与铁轭之间用2 mm 纸板彻底绝缘如图4所示。（2）因三台主变结构相同，为避免后续类似问题发生，对另外两台产品磁屏蔽绝缘系统做同样加强处理。
结束语：变压器铁芯及夹件多点接地故障是变压器运行过程中
图4 磁屏蔽破损处理
十分常见的故障，但是会对变压器的安全经济运行会产生很大的影
响。所以，我们需要通过综合分析变压器的内部结构、安装工艺与现场的试验数据来准确迅速地排查解决该故障。
本文介绍了一种通过在现场设计对照试验排查故障，进而有针对性地进行变压器内部检查最后解决故障的方法，高效准确，对变压器铁芯、夹件接地故障的处理具有指导意义。
福特房车价格及图片作者简介：陈安杰（1995—），男，福建福州人，硕士，研究方向：高电压试验技术。
（上接第83页）
5 min 线路有92条，占比50%，高峰期发车最小车隔仅有1.5 min 。大连市在全国38个主要城市的公共服务评价中公共交通满意度排名第三。
结语：本文基于大连市居民公交出行方式结构的大数据分析，提出了运用构建智慧公交数据可视化平台的方法，对缓解城市交通拥堵压力和使用公交系统居民的体验进行改善优化的尝试。根据运行结果得到如下结论，在高速发展的现代化城市建设中，智能交通的打造对于合理规划城市居民交通出行结构，提高城市公共交通体系运行效率至关重要。从长远的角度看，物联网和智能交通的结合将是大势所趋，物联网、云计算等现代信息技术处理能力将作为核心技术大量运用于城市公交系统等智慧交通体系的运营管理；同时，由于在我国普遍存在道路拥堵，公共交通体系建设不够完善，居民日益增长的出行需求不能得到满足，如何处理好城市发展、人口增长、构建交通系统三者之间的矛盾显得尤为重要。智能交通系统将在未来交通运输行业发展中占有更大的比例，并且在交通运输的各个行业和环节得到更为广泛的应用。此外，通过对大连市公交体系的数据集进行可视化平台的分析，有助于加深对大连市居民使
用公共交通出行方式结构的了解，为其他城市合理优化居民公共交通出行方式提供了一定的参考。
基金项目：本文系大连海事大学2019-2020年度大学生创业实践项目，项目编号：202010151092。
作者简介：
奔驰slk张皓铖（1999—），男，山东威海人，大连海事大学本科在读，数据科学与大数据技术专业。
朱琦（1998—），男，河北秦皇岛人，大连海事大学本科在读，轮机工程专业。
孙浩杰（2000—），男，广东湛江人，大连海事大学本科在读，交通运输专业。
刘津硕（2000—），男，辽宁锦州人，大连海事大学本科在读，航海技术专业。
关颖珊（2000—），女，满族，辽宁沈阳人，大连海事大学本科在读，数据科学与大数据技术专业。