大数据环境下交通状态判别算法的研究与应用

来源 :青岛科技大学 | 被引量 : 12次 | 上传用户:zhouwg_zhouwg_zho
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着经济和社会的快速发展,城市道路的拥堵问题日益严重,这不仅增加了人们的出行时间、提高了通勤成本,还造成较大的经济损失。随着智能交通系统的发展,交通状态判别技术可以准确及时地识别道路交通状况,为缓解交通压力、提高交通管理水平提供决策依据。目前,我国大中型城市的路网规模庞大,一个中等城市每天可产生千万级别的过车数据。在海量的交通数据面前,传统的数据挖掘算法受到单机的性能约束,在处理速度等方面无法满足实际需求,大数据环境下的交通状态判别研究成为新的方向。本文研究了数据挖掘技术的经典算法之后,根据交通流理论和交通状态判别需求,对实测的交通流数据进行了冗余属性删除、异常数据剔除、数据规范化等数据预处理操作。在正常的城市秩序下,交通流数据与道路交通状态之间的模型是非常复杂的动力学问题,它具有时变性、非线性等特点,而神经网络较强的自我学习能力可以对模型进行最大程度上的拟合。基于某市智能交通管控平台的实际交通流数据,本文使用单模型建模方法研究了BP神经网络在交通状态判别中的应用。在此基础上,本文结合模糊C均值和BP神经网络理论,设计了基于多模型建模方法的交通状态判别算法。通过对比单模型和多模型两种算法的仿真结果,验证了多模型算法在交通状态判别中的可行性。针对海量交通数据的环境,本文介绍了包括Linux系统、Hadoop平台、Spark平台在内的环境搭建,对MapReduce和Spark两种计算框架的优缺点进行了理论分析。面对大数据环境,本文利用具有强大的分布式计算能力的Hadoop和Spark平台,实现了模糊C均值算法和BP神经网络算法,探究了算法在海量交通数据上的应用以及算法在不同运行环境下的性能,从运行速度方面论证了大数据平台的应用优势。
其他文献
拒绝服务攻击给网络安全带来了巨大的威胁,防范DDoS攻击一直是安全领域的一个重要课题.介绍了路由器防范拒绝服务攻击的技术,包括IP路径重构技术、在源端防范DDoS策略、防范I
<正> 1994年5月12日午夜,朦胧的夜,朦胧的月光。座落在贵州省遵义县高坪镇的国营三四一四厂显得格外宁静,夜风送来丝丝凉意。在这美好的夜色下,保安员张浪和朱家贤正在厂区加
多发于深秋后寒冷季节的鸡痘,是由病毒引起的一种接触性传染病,以皮肤、口腔、鸡冠等处发生痘疹和口腔、喉头及食道粘膜长有伪膜为特征.特别冬季,在饲养密度大,鸡群密集拥挤
<正>由石家庄煤矿机械有限责任公司生产的矿山自动 化环形车场,是用于矿山井口地面的一套辅助运输系统。该车场设计新颖,技术先进,自动化程度高,可以大大提高矿山开采的效率