基于大数据分析的套牌实时检测系统研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 引言 | 第11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 相关技术 | 第15-25页 |
| 2.1 分布式大数据技术 | 第15-21页 |
| 2.1.1 Spark | 第15-17页 |
| 2.1.2 Spark Streaming | 第17-18页 |
| 2.1.3 Kafka | 第18-19页 |
| 2.1.4 HBase | 第19-21页 |
| 2.2 回归 | 第21-24页 |
| 2.2.1 回归问题 | 第21-22页 |
| 2.2.2 牛顿迭代法 | 第22-23页 |
| 2.2.3 特征缩放 | 第23页 |
| 2.2.4 机器学习工具 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 道路监控数据与系统需求分析 | 第25-33页 |
| 3.1 道路监控数据 | 第25-29页 |
| 3.1.1 数据获取与预处理 | 第26-27页 |
| 3.1.2 区间距离获取 | 第27-28页 |
| 3.1.3 车辆经过监控点的参考时间 | 第28-29页 |
| 3.2 系统目标 | 第29页 |
| 3.3 系统需求分析 | 第29-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 套牌检测模型研究 | 第33-49页 |
| 4.1 朴素套牌检测模型 | 第33-37页 |
| 4.1.1 车辆异常邻近区间速度分析 | 第33-34页 |
| 4.1.2 模型的算法原理 | 第34-35页 |
| 4.1.3 模型的定义 | 第35页 |
| 4.1.4 模型的工作流程 | 第35-37页 |
| 4.2 朴素套牌检测模型的不足 | 第37-38页 |
| 4.3 交通流统计分析与建模 | 第38-45页 |
| 4.3.1 交通流数据基本统计指标 | 第38-39页 |
| 4.3.2 区间速度预测模型设计 | 第39-41页 |
| 4.3.3 区间速度预测模型的拟合实现 | 第41-45页 |
| 4.4 动态套牌判定阈值模型 | 第45页 |
| 4.5 动态阈值套牌检测模型 | 第45-47页 |
| 4.5.1 模型的定义 | 第45-46页 |
| 4.5.2 模型的工作流程 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 系统设计与实现 | 第49-71页 |
| 5.1 系统概要设计 | 第49-50页 |
| 5.1.1 系统架构 | 第49-50页 |
| 5.1.2 总体功能模块结构设计 | 第50页 |
| 5.2 系统详细设计 | 第50-53页 |
| 5.2.1 数据抽取与实时检测模块 | 第50-52页 |
| 5.2.2 信息管理展示模块 | 第52-53页 |
| 5.3 套牌实时检测系统实现 | 第53-65页 |
| 5.3.1 系统运行环境 | 第54页 |
| 5.3.2 分布式集群搭建 | 第54-55页 |
| 5.3.3 数据抽取模块的部分实现 | 第55-56页 |
| 5.3.4 HBase存储实现 | 第56-58页 |
| 5.3.5 实时检测模块的部分实现 | 第58-61页 |
| 5.3.6 信息管理展示模块实现 | 第61-64页 |
| 5.3.7 系统部署 | 第64-65页 |
| 5.4 系统测试与模型评估分析 | 第65-69页 |
| 5.4.1 信息管理展示模块测试 | 第65-66页 |
| 5.4.2 套牌检测模型评估分析 | 第66-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 总结和展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75页 |
