Выпускная квалификационная работа бакалавра (стр. 2 )

Целью работы является проектирование и создание рабочего прототипа системы прогнозирования, считающей время прибытия общественного транспорта в городе Новосибирске.

Решаемые в данной работе задачи:

Изучение передовых отечественных решений.

Изучение моделей и методов прогнозирования.

Определение лучшего подхода для решения подобного рода задачи.

Построение рабочей модели прогнозирования прибытия транспорта с помощью инструментов веб-разработки.

Проектирование дополнительных модулей, для повышения точности прогнозирования.

Основные результаты: По итогам работы, были подробно изучены разные виды прогнозирования. Рассмотрена их классификация. Подробно изучены 2 метода прогнозирования, посредствам использования временных рядов. Были более детально изучены возможности инструментов веб-разработки. А также построена рабочая система прогнозирования.

ANNOTATION

Graduation qualification work I. Solodkin. On the topic "Development of a system for forecasting the arrival of public transport to the places of its stops"

The volume of work is 47 pages, on which are placed 14 figures and 3 tables. When writing the work, 8 sources were used.

Key words: forecasting system, computer system, prediction algorithms, predictive extrapolation.

Work is done _______________________________________________________

  (Name of the enterprise, subdivision)

The aim of the work is to design and create a working prototype of a forecasting system that considers the arrival time of public transport in the city of Novosibirsk.

Solved in this paper tasks:

• Study of advanced domestic solutions.

• Studying models and methods of forecasting.

• Defining the best approach for solving similar problems.

• Building a working model for forecasting with the help of web development tools.

• Design additional modules to improve the accuracy of forecasting.

Main results: Based on the results of the work, different types of forecasting were studied in detail. Their classification is considered. Two methods of forecasting were studied in detail, using time series. The possibilities of web development tools were explored in more detail. And also a working forecasting system is built.

Содержание

Введение        3

1        пОСТАНОВКА ЗАДАЧИ И АНАЛИЗ ПРЕДМЕТНОЙ
ОБЛАСТИ        5

1.1        Анализ предметной области        5

1.2        Анализ передовых отечественных решений.        5

1.3        Постановка задачи        10

2        ОБЗОР моделей и методов прогнозирования        11

2.1        Аналитический набор моделей и методов прогнозирования        11

2.2        Прогнозная экстраполяция        15

3        Проектирование информационной системы прогнозирования        21

3.1        Определение подхода и модели
прогнозирования        21

3.2        Построение модели        21

3.3        Определение переменных факторов,
влияющих на работу системы        22

3.4        Выбор технологий        28

4        Разработка системы прогнозирования        29

4.1        Установка и настройка сервера        29

4.2        Проектирование и заполнение
базы данных        30

4.3        Создание интерфейса        33

4.4        Определение местоположения
пользователя        34

4.5        Определение id нужного автобуса        35

4.6        Запрос истории движения автобуса
под определённым id        36

4.7        Самообучающийся модуль        36

4.8        Использование скользящего среднего        37

4.9        Модуль учета непредвиденных пробок.        37

4.10        Вывод времени        38

5        заключение        39

Приложение А        41

Приложение Б        42

Введение

Рост автомобильного парка и объема перевозок ведет к увеличению интенсивности движения, что в условиях городов с исторически сложившейся застройкой приводит к возникновению различных проблем на дорогах. Особенно остро она проявляется в узловых пунктах улично-дорожной сети. Здесь увеличиваются транспортные задержки, что вызывает снижение скорости сообщения, неоправданный перерасход топлива и повышенное изнашивание узлов и агрегатов транспортных средств.

Возможность точного прогнозирования времени прибытия городского пассажирского транспорта на остановочные пункты является важным фактором развития транспортной системы города. Используя эту информацию, управляющая движением диспетчерская служба может быстро реагировать на не - предвиденные дорожные ситуации, изменять маршруты движения транспорта, оптимизировать скорость и интенсивность движения транспортных средств.

Кроме того, прогноз прибытия транспорта и другие результаты аналитической обработки данных о движении транспорта должны быть доступны пассажирам – посредством сайта, мобильных приложений, СМС-сервисов, электронных информационных табло на остановках и других способов информирования.

В Новосибирске, как и в ряде других городов, оборудование ГЛОНАСС установлено на всём муниципальном транспорте. Кроме того, согласно правилам, которые вступили в силу с 1 июля 2012 года, компании, осуществляющие пассажирские перевозки, должны оборудовать подвижный состав транспорта ГЛОНАСС в рамках конкурсов на распределение маршрутов.

Существует несколько подходов к прогнозу времени прибытия транспортных средств:

использование архивных данных использование данных наблюдения в реальном времени использование статистических методов использование техник машинного обучения (метода опорных векторов, искусственных нейронных сетей) использование фильтрации (фильтр Калмана)

Подход с использованием архивных данных прогнозирует время прибытия транспортного средства в определённый период дня, основываясь на среднем времени прохождения участка дорожной сети в тот же период в предыдущие дни.

Подход с использованием данных реального времени прогнозирует вре мя прибытия транспорта, основываясь на положении и скорости транспорта в предыдущий момент времени.

Недостаток этих подходов заключается в невозможности быстро реагировать на изменение дорожной ситуации и маршрутов движения.

Статистические модели прогнозируют время прохождения транспортом участка дорожной сети между остановками и затем определяют время прибытия на остановочные пункты. Эти модели обычно строятся как функции регрессии набора независимых переменных, таких как дорожные условия, пас - сажиропоток, погодные условия, задержки на остановках и т. д. Однако такой подход возможен лишь в случае, когда удаётся построить соответствующую функцию регрессии, что невозможно во многих прикладных областях, где переменные являются коррелированными. Кроме того, для предварительной настройки метода необходим значительный объём наблюдений, что трудно обеспечить в условиях большого города.

Методы машинного обучения позволяют учитывать сложные нелинейные соотношения между переменными, что делает их наиболее подходящими методами для прогнозирования времени прибытия.

Применение дополнительной фильтрации позволяет объединить архивную информацию и данные реального времени для достижения более точного и надёжного прогноза.

Однако эти методы требуют длительного обучения и являются вычислительно сложными, поэтому их трудно применять для большого количества транспортных средств.

Фильтр Калмана – рекурсивный фильтр, позволяющий получить более точную оценку прогноза, основываясь на исторических данных и данных ре - ального времени. Однако методы, основанные на фильтрации Калмана, могут стать неэффективными при недоступности данных реального времени. Более того, на практике производительность фильтра Калмана сильно снижается из-за предположения, что шум процесса известен точно.

пОСТАНОВКА ЗАДАЧИ И АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ Анализ предметной области

Исходя из темы моего дипломного проекта, в данной бакалаврской работе будут рассмотрены:

Множество передовых моделей и методов прогнозирования, которые применяются на сегодняшний день. Набор маршрутов общественного транспорта города Новосибирска, с поддержкой комплексного навигационно-информационного сервиса с использованием технологий позиционирования ГЛОНАСС/GPS. Расписание автобусов, которое составлено по маршрутам движения автобусов Новосибирска с указанием времени прибытия на каждый остановочный пункт маршрута нужного автобуса в Новосибирске. Множество ситуаций на дороге, которые тем или иным образом могут повлиять на время прибытия транспорта. Другие корреляционные переменные, которые влияют на работу  системы в целом. Анализ передовых отечественных решений.

На сегодняшний день, одна из передовых отечественных компаний, работающих в данном направлении, является российская транснациональная компания Яндекс, владеющая одноимённой системой поиска в Сети, интернет-порталами и службами в нескольких странах.

Технология Яндекса, которая позволяет посмотреть приблизительное время прибытия транспорта, называется Яндекс. Транспорт. Работает она на основе данных, полученных от другой, но не менее важной технологии – Яндекс. Карты.