基于Storm的浮动车地图匹配算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 浮动车交通信息采集技术 | 第8-10页 |
| 1.1.2 浮动车数据处理的挑战 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 地图匹配技术研究现状 | 第11-13页 |
| 1.2.2 大规模实时数据处理研究现状 | 第13-14页 |
| 1.3 研究内容与研究意义 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究意义 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 地图数据的预处理 | 第16-32页 |
| 2.1 相关技术 | 第16-25页 |
| 2.1.1 GPS定位技术 | 第16-18页 |
| 2.1.2 GIS与矢量电子地图 | 第18-22页 |
| 2.1.3 ArcGIS地图 | 第22-24页 |
| 2.1.4 地理坐标系 | 第24-25页 |
| 2.2 路段信息提取 | 第25-29页 |
| 2.2.1 道路图层合并 | 第26-27页 |
| 2.2.2 提取路段信息 | 第27-29页 |
| 2.3 基于网格的路段索引 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于时空分析的地图匹配算法研究 | 第32-40页 |
| 3.1 算法流程 | 第32-33页 |
| 3.2 候选路段及投影 | 第33-35页 |
| 3.2.1 由GPS观察点找候选路段 | 第33页 |
| 3.2.2 GPS点在候选路段上的投影 | 第33-35页 |
| 3.3 对GPS观察点周边路网的空间分析 | 第35-36页 |
| 3.4 对GPS观察点上下文的时间分析 | 第36-37页 |
| 3.5 计算过程举例分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于Storm平台的算法实现 | 第40-50页 |
| 4.0 实时数据处理系统概述 | 第40-42页 |
| 4.1 Storm技术要点及集群搭建 | 第42-47页 |
| 4.1.1 Storm原语设计 | 第42-43页 |
| 4.1.2 Storm集群的基本组件 | 第43-44页 |
| 4.1.3 Storm并行度研究 | 第44-45页 |
| 4.1.4 Storm集群搭建 | 第45-47页 |
| 4.3 基于Storm的算法实现 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 实验与结果分析 | 第50-54页 |
| 5.1 引言 | 第50页 |
| 5.2 地图预处理实验结果分析 | 第50-51页 |
| 5.3 单机环境下地图匹配实验结果分析 | 第51-52页 |
| 5.4 Storm平台上地图匹配实验结果分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 未来展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
