基于Storm平台的城市道路交通拥堵识别研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 浮动车技术的应用 | 第10-11页 |
| 1.2.2 轨迹大数据的研究 | 第11页 |
| 1.2.3 交通拥堵识别的研究 | 第11-12页 |
| 1.2.4 分布式计算在智能交通中的应用 | 第12-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.4 章节安排 | 第15-17页 |
| 第2章 数据预处理 | 第17-24页 |
| 2.1 路段信息提取 | 第17-18页 |
| 2.2 数据的清洗 | 第18-19页 |
| 2.2.1 GPS数据格式 | 第18-19页 |
| 2.2.2 无效数据的剔除 | 第19页 |
| 2.3 地图匹配 | 第19-23页 |
| 2.3.1 地图匹配原理 | 第19-20页 |
| 2.3.2 隐马尔科夫模型地图匹配算法 | 第20-21页 |
| 2.3.3 发射概率 | 第21-22页 |
| 2.3.4 转移概率 | 第22页 |
| 2.3.5 维特比算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于模糊聚类的交通拥堵识别算法 | 第24-33页 |
| 3.1 交通拥堵评价 | 第24-26页 |
| 3.1.1 交通拥堵的定义与成因 | 第24页 |
| 3.1.2 交通拥堵度量标准 | 第24-26页 |
| 3.2 平均速度估计 | 第26-29页 |
| 3.2.1 单辆车平均速度估计 | 第26-28页 |
| 3.2.2 路段平均速度估计 | 第28-29页 |
| 3.3 基于SAGA-FCM的交通拥堵识别 | 第29-31页 |
| 3.3.1 FCM聚类算法 | 第29-30页 |
| 3.3.2 SAGA-FCM聚类算法 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于Storm的交通拥堵识别系统设计 | 第33-49页 |
| 4.1 系统架构 | 第33-37页 |
| 4.1.1 流数据处理系统概述 | 第33-34页 |
| 4.1.2 Storm系统架构 | 第34-37页 |
| 4.2 数据收集 | 第37-39页 |
| 4.3 基于Storm平台的算法实现 | 第39-43页 |
| 4.3.1 拥堵识别topology设计 | 第39-41页 |
| 4.3.2 topology任务调度 | 第41-43页 |
| 4.4 数据可视化 | 第43-48页 |
| 4.4.1 可视化方法 | 第43页 |
| 4.4.2 地图数据的存储 | 第43-45页 |
| 4.4.3 矢量瓦片的发布 | 第45-46页 |
| 4.4.4 前端页面展示 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 实验与结果分析 | 第49-55页 |
| 5.1 数据集和实验环境 | 第49页 |
| 5.2 拥堵识别算法实验结果与分析 | 第49-51页 |
| 5.3 Storm集群实验结果与分析 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 总结和展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-62页 |
| 在学期间的科研情况 | 第62页 |
