题目：基于热点区域的客流异常检测研究与实现

    热点区域客流异常检测结果是城市公共交通实时调度和乘客动态信息服务的数据基础，只有把握客流变化规律，进行合理的检测和预警，才能有效地进行公共交通车辆的配置和调度，指导乘客出行。因此，准确实时的热点区域短时客流检测是公共交通实时调度及乘客动态信息服务的前提保障，其对于交通管理人员应对突发事件、对于公众选择高效出行计划都有着重要意义。

    本文在对现有研究成果深入研究并对历史数据分析的基础上，通过地面公交一卡通数据、轨道交通AFC数据、出租车数据等，研究了热点区域划分方法和客流预测模型，搭建了云平台环境，设计并实现了热点区域客流异常检测系统。

    本文的主要成果包括：

    （1）    分析交通大数据的特点，搭建起云平台实验环境，将快速索引与大数据的高效处理相结合，用HBase作为平台存储工具，满足了低延迟的访问需求，同时集中了多个节点的物理存储，形成了庞大的硬件存储群

    （2）    通过对大量的地面公交一卡通历史数据的分析，提出了基于站点特征和乘客出行特征的客流OD推测方法，对数据进行填补处理，得到完整的公交客流OD数据，并结合轨道交通客流数据、出租车客流数据划分了北京市客流热点区域。

    （3）    针对城市热点区域客流随机性强及短时冲击性等特点，在分析城市热点区域网络特点的基础上，通过对时段轨道交通、地面公交、出租车的上下车人数等主要相关影响因素的分析，提出热点区域短时客流预测模型，并采用BP神经网络算法进行模型求解。

    （4）    基于对客流异常检测相关技术的研究，设计并实现了热点区域客流异常检测系统，并作为一个子系统为特大城市公共交通协调指挥平台提供支持。