基于RFID电子车牌数据的城市道路交通拥堵状态判别研究
中文摘要 | 第3-5页 |
英文摘要 | 第5-6页 |
1 绪论 | 第10-18页 |
1.1 研究背景及意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 交通领域RFID技术应用研究现状 | 第11-12页 |
1.2.2 交通拥堵状态判别研究现状 | 第12-14页 |
1.3 研究内容及目标 | 第14-15页 |
1.4 论文结构安排 | 第15-16页 |
1.5 本章小结 | 第16-18页 |
2 交通拥堵状态判别相关技术研究 | 第18-28页 |
2.1 基于RFID采集技术的交通流数据 | 第18-19页 |
2.2 常见交通流参数 | 第19-21页 |
2.3 城市道路交通拥堵特点分析 | 第21-23页 |
2.3.1 城市道路拥堵的定义 | 第21-22页 |
2.3.2 交通拥堵的分类 | 第22页 |
2.3.3 城市交通拥堵的属性 | 第22-23页 |
2.4 数据准备与数据预处理 | 第23-24页 |
2.4.1 RFID数据描述 | 第23页 |
2.4.2 RFID数据预处理 | 第23-24页 |
2.5 验证方法和指标 | 第24-26页 |
2.6 本章小结 | 第26-28页 |
3 交通拥堵状态评价参数研究 | 第28-52页 |
3.1 交通拥堵状态评判原则 | 第28页 |
3.2 城市交通拥堵状态评价参数 | 第28-31页 |
3.2.1 交通拥堵状态多维特征分析 | 第29页 |
3.2.2 交通拥堵状态评价参数选取 | 第29-31页 |
3.3 交通拥堵状态评价参数分析 | 第31-42页 |
3.3.1 标准车当量数 | 第32-39页 |
3.3.2 速度 | 第39-41页 |
3.3.3 速度-标准车当量数关系分析 | 第41-42页 |
3.4 交通拥堵状态识别模型 | 第42-50页 |
3.4.1 交通拥堵状态等级划分 | 第42-45页 |
3.4.2 聚类中心交通拥堵状态识别 | 第45-50页 |
3.5 本章小结 | 第50-52页 |
4 基于FCM聚类算法的交通拥堵状态判别研究 | 第52-78页 |
4.1 FCM聚类算法 | 第52-58页 |
4.1.1 HCM聚类算法 | 第52页 |
4.1.2 FCM聚类算法 | 第52-58页 |
4.2 FCM算法参数研究 | 第58-64页 |
4.2.1 确定FCM算法的模糊加权系数 | 第59-60页 |
4.2.2 确定FCM算法的最佳聚类数 | 第60-64页 |
4.3 FCM交通拥堵状态判别算法优化 | 第64-67页 |
4.3.1 广义均衡FCM | 第64-65页 |
4.3.2 增量式FCM | 第65-67页 |
4.4 实验结果与分析 | 第67-76页 |
4.4.1 实验软硬件环境 | 第67-68页 |
4.4.2 交通拥堵状态判别结果分析 | 第68-72页 |
4.4.3 算法对比 | 第72-76页 |
4.5 本章小结 | 第76-78页 |
5 基于Storm的算法并行化研究 | 第78-92页 |
5.1 流式计算框架Storm | 第78-81页 |
5.1.1 Storm概述 | 第78-79页 |
5.1.2 Storm的抽象模型 | 第79-81页 |
5.1.3 Storm的并行度 | 第81页 |
5.2 Storm集群环境配置 | 第81-83页 |
5.2.1 搭建ZooKeeper集群 | 第81-82页 |
5.2.2 搭建Storm集群 | 第82-83页 |
5.3 基于Storm的算法并行化的实现 | 第83-86页 |
5.3.1 增量式FCM算法并行化分析 | 第83-84页 |
5.3.2 模块间的消息传递及序列化 | 第84-86页 |
5.4 实验结果与分析 | 第86-90页 |
5.4.1 实验数据与实验方案 | 第86-88页 |
5.4.2 实验效率分析 | 第88-90页 |
5.5 本章小结 | 第90-92页 |
6 总结与展望 | 第92-94页 |
6.1 研究工作总结 | 第92-93页 |
6.2 下一步工作 | 第93-94页 |
致谢 | 第94-96页 |
参考文献 | 第96-100页 |
附录 | 第100页 |
A.攻读学位期间参加的科研项目 | 第100页 |