基于Topology流数据模型的交通预警系统设计和实现
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 研究现状与发展趋势 | 第10-13页 |
| 1.2.1 交通流分析的研究现状与发展趋势 | 第10-11页 |
| 1.2.2 数据流实时处理的研究现状与发展趋势 | 第11-12页 |
| 1.2.3 道路交通预警系统的研究现状与发展趋势 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 交通数据的相关知识介绍 | 第15-23页 |
| 2.1 交通数据的采集方式 | 第15-17页 |
| 2.1.1 固定型采集技术 | 第15-16页 |
| 2.1.2 移动型采集技术 | 第16-17页 |
| 2.2 交通数据的参数 | 第17-19页 |
| 2.2.1 参数介绍 | 第17-18页 |
| 2.2.2 交通参数间的关系 | 第18-19页 |
| 2.3 交通数据的预处理 | 第19-22页 |
| 2.3.1 错误数据的识别 | 第19-20页 |
| 2.3.2 错误数据预处理 | 第20-21页 |
| 2.3.3 交通数据格式化 | 第21页 |
| 2.3.4 交通数据ETL处理 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 交通数据流处理的框架 | 第23-29页 |
| 3.1 分布式集群框架 | 第23-25页 |
| 3.1.1 Storm集群框架 | 第24页 |
| 3.1.2 程序协调服务 | 第24-25页 |
| 3.2 Storm的实时计算模型Topology | 第25-27页 |
| 3.2.1 Storm的编程模型 | 第25-26页 |
| 3.2.2 Storm的并发机制 | 第26-27页 |
| 3.3 分布式消息队列服务 | 第27-28页 |
| 3.4 异构数据的储存 | 第28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 交通流状态识别的研究 | 第29-39页 |
| 4.1 交通状态的识别 | 第29-30页 |
| 4.2 基于模糊聚类的交通状态识别 | 第30-33页 |
| 4.2.1 模糊簇和模糊聚类 | 第30-31页 |
| 4.2.2 模糊C均值聚类算法 | 第31-32页 |
| 4.2.3 基于FCM的交通状态识别 | 第32-33页 |
| 4.3 基于Topology的FCM算法 | 第33-36页 |
| 4.3.1 迭代Topology的结构 | 第33-34页 |
| 4.3.2 T-FCM算法 | 第34-36页 |
| 4.4 T-FCM算法的性能分析 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 系统的设计与实现 | 第39-55页 |
| 5.1 整体设计方案 | 第39-40页 |
| 5.2 模块设计和实现 | 第40-51页 |
| 5.2.1 分布式数据接入模块 | 第41-43页 |
| 5.2.2 预处理模块 | 第43-45页 |
| 5.2.3 数据格式化模块 | 第45-48页 |
| 5.2.4 预警决策模块 | 第48-51页 |
| 5.3 系统的测试和验证 | 第51-54页 |
| 5.3.1 测试环境 | 第51页 |
| 5.3.2 测试和验证 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间申请的专利 | 第61-62页 |
| 致谢 | 第62-63页 |
