内蒙古大学计算机学院副教授马学彬团队依托内蒙古自治区大数据分析技术工程实验室，开拓新的研究领域，包括大数据环境下的隐私保护、大数据处理等。该团队在大数据处理方面已经取得实用的研究成果。
随着城市车辆的增加，“乘车难”及公共交通设施的不完善等问题严重阻碍呼市公共交通运输业的发展。为解决公共交通发展所带来的问题，政府明确建议实施“公共交通优先发展”策略，为改善交通问题奠定了良好的政策基础。由于城市公共交通具有运载量大、成本低、能耗低、效率高等优点，所以能够为城市公共交通的发展、资源的利用率和环境与生态的保护带来很大的便利。合理利用城市公共交通，能够有效解决道路拥挤和城市居民出行不便的问题。虽然政府曾多次强调要优先发展城市公共交通，但是城市公共交通普遍存在着等车时间长、公交到站准点率低等问题，阻碍公共交通的发展。因此，提供准确的公交车到站时间是需要解决的一个重要问题。
为了解决公交车到站时间预测问题，该团队利用公交公司的历史运行数据，通过BP神经网络模型预测呼和浩特市公交车的到站时间，以便乘客能够减少等车时间，从而合理规划出行时间。
该项研究具体实施方法是从公交车的历史数据中提取出站点、经度、纬度、上下行、时刻、瞬时速度等有用的信息，并经过数据清洗之后，输入到基于遗传算法的BP神经网络模型中进行预测，经过多次迭代之后，就能够预测出公交车的到站时间。
BP神经网络是经过多次调整神经网络的权值和阈值来减小神经网络的误差值，从而使得神经网络的性能达到最好。完整的BP神经网络包含信号的正向传递和误差的反向传播两部分。其中，正向传播是为了计算BP神经网络的输出值。其传播过程从输入层到隐含层、隐含层到输出层。反向传播是为了更新神经网络的权值和阈值。其传播过程是从输出层到隐含层、隐含层到输入层。由于神经网络多次迭代会陷入局部最优，收敛速度变慢，学习能力下降等问题，而遗传算法可以加快求解速度，容易与其他算法结合，一般不会陷入局部最优，适应能力强，具有较好的收敛性。因此，本研究通过使用遗传算法的选择、交叉和变异优化神经网络的权值和阈值。
基于遗传算法的BP神经网络流程图如下：
本研究预测公交到站时间的过程中，每条线路都进行了大量实验，随后取平均值作为最后的实验结果。本研究分别从早高峰、平峰以及晚高峰进行分析预测公交车到站结果。
1路到站时间预测值的绝对误差值 64路到站时间预测值的绝对误差值
通过对呼和浩特市1路、64路的公交到站时间预测，研究人员发现，当公交处于早、晚高峰期时，误差值在330秒以下，出现该结果的原因是在上下班、上下学等高峰时期出行人数比较多，拥堵状况较为严重，导致预测误差值较大；当公交处于平峰期时，预测误差值的波动比较小，误差值比较小。
本研究是在Spark平台中实现的，通过用不同的数据量分别在Hadoop与Spark平台上进行实验来测试两平台的性能。
研究人员发现，当数据量比较少时，在Hadoop和Spark的运行时间相差不大，大致在十几秒左右。随着数据量逐渐增大时，Spark的运行时间比Hadoop的运行时间少得多。因此，本研究选用Spark平台进行预测公交车的到站时间，提高了预测速度，为乘客的出行带来更实时、准确的结果。
本研究对公交车到站时间的预测虽然在理论上已经取得了一些显著的研究成果，但在实际的应用中还有以下两个方面的内容需要进一步优化和完善：天气因素是影响公交车到站时间的一个重要因素，因此需要考虑将天气因素作为神经网络的输入；进一步加快学习速度和有效抑制网络陷入局部最优仍然有待进一步研究。
