移動(dòng)互聯(lián)網(wǎng)的不斷成熟以及搭載各種傳感器的智能終端的廣泛普及和應(yīng)用催生了一個(gè)全新的研究領(lǐng)域——移動(dòng)群體感知技術(shù)領(lǐng)域。移動(dòng)群體感知以具有感知能力的移動(dòng)設(shè)備為載體,以攜帶感知設(shè)備的人以及其所處環(huán)境為感知對(duì)象,其特點(diǎn)是充分利用人們隨身攜帶的各種移動(dòng)設(shè)備如智能手機(jī)等對(duì)其本身及其所處的環(huán)境進(jìn)行感知,持續(xù)地獲取感知數(shù)據(jù)并對(duì)這些感知數(shù)據(jù)所形成的感知數(shù)據(jù)流進(jìn)行實(shí)時(shí)分析和處理,進(jìn)而獲取群體的各種行為、現(xiàn)象以及態(tài)勢(shì)如交通擁堵態(tài)勢(shì)、疾病傳播趨勢(shì)等等,以便更好地為人們提供各種各樣的服務(wù)。如何對(duì)大規(guī)模移動(dòng)群體感知數(shù)據(jù)進(jìn)行高效處理是目前該領(lǐng)域重點(diǎn)研究和解決的問(wèn)題之一。本文針對(duì)上述問(wèn)題,在對(duì)移動(dòng)群體感知的概念內(nèi)涵、特點(diǎn)以及相關(guān)技術(shù)深入分析研究基礎(chǔ)上,重點(diǎn)研究了基于流處理技術(shù)的移動(dòng)群體感知數(shù)據(jù)流處理模型,進(jìn)而以智能交通為背景,針對(duì)智能交通感知數(shù)據(jù)流的特點(diǎn),重點(diǎn)研究了基于道路拓?fù)涞膶?shí)時(shí)地圖匹配算法以及基于流的快速交通態(tài)勢(shì)聚合算法,在此基礎(chǔ)上,以實(shí)時(shí)流處理平臺(tái)S4為基礎(chǔ)進(jìn)行了系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。本文的主要工作體現(xiàn)在如下三個(gè)方面:首先,針對(duì)大規(guī)模移動(dòng)群體感知數(shù)據(jù)流數(shù)據(jù)規(guī)模巨大和實(shí)時(shí)處理問(wèn)題,提出了一種新的基于流處... 

【文章來(lái)源】：國(guó)防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 移動(dòng)群體感知研究現(xiàn)狀
        1.2.2 分布式批處理技術(shù)研究現(xiàn)狀
        1.2.3 分布式流計(jì)算研究現(xiàn)狀
        1.2.4 小結(jié)
    1.3 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
第二章 相關(guān)技術(shù)研究
    2.1 移動(dòng)群體感知技術(shù)
        2.1.1 移動(dòng)群體感知的內(nèi)涵
        2.1.2 移動(dòng)群體感知的發(fā)展趨勢(shì)與技術(shù)難點(diǎn)
        2.1.3 移動(dòng)群體感知云端數(shù)據(jù)處理挑戰(zhàn)
    2.2 分布式流處理系統(tǒng)
        2.2.1 Borealis分布式流式系統(tǒng)
        2.2.2 Yahoo!S4分布式流計(jì)算平臺(tái)
        2.2.3 Storm分布式實(shí)時(shí)計(jì)算系統(tǒng)
        2.2.4 比較與結(jié)論
    2.3 地圖匹配算法
        2.3.1 基于距離的算法
        2.3.2 基于拓?fù)潢P(guān)系的算法
        2.3.3 基于概率統(tǒng)計(jì)的算法
        2.3.4 基于模糊邏輯的算法
        2.3.5 基于卡爾曼濾波的算法
        2.3.6 比較與結(jié)論
    2.4 小結(jié)
第三章 基于流的移動(dòng)群體感知數(shù)據(jù)處理模型
    3.1 模型整體結(jié)構(gòu)
        3.1.1 移動(dòng)群體感知數(shù)據(jù)云端處理過(guò)程
        3.1.2 SSPM體系結(jié)構(gòu)
    3.2 基于代理的數(shù)據(jù)接收機(jī)制
        3.2.1 基于緩沖區(qū)的重定序機(jī)制
        3.2.2 基于規(guī)則的并發(fā)數(shù)據(jù)轉(zhuǎn)換機(jī)制
    3.3 基于流的態(tài)勢(shì)聚合機(jī)制
        3.3.1 S4處理集群通信
        3.3.2 基于流的態(tài)勢(shì)聚合機(jī)制
        3.3.3 基于整合的終端請(qǐng)求處理機(jī)制
    3.4 小結(jié)
第四章 基于SSPM的實(shí)時(shí)交通態(tài)勢(shì)聚合算法設(shè)計(jì)
    4.1 基于道路拓?fù)涞牡貓D匹配算法
        4.1.1 GPS誤差分析
        4.1.2 道路拓?fù)潢P(guān)系抽象
        4.1.3 基于拓?fù)潢P(guān)系的候選路段集篩選
        4.1.4 基于距離和速度的候選集地圖匹配
        4.1.5 基于道路拓?fù)涞膶?shí)時(shí)地圖匹配算法流程
    4.2 基于路段平均速度的交通態(tài)勢(shì)聚合算法
        4.2.1 交通態(tài)勢(shì)評(píng)判指標(biāo)選取
        4.2.2 基于權(quán)重的路段平均速度的計(jì)算方法
        4.2.3 時(shí)間觸發(fā)的快速交通態(tài)勢(shì)更新策略
    4.3 基于SSPM的實(shí)時(shí)交通態(tài)勢(shì)聚合過(guò)程
    4.4 小結(jié)
第五章 原型系統(tǒng)實(shí)現(xiàn)與應(yīng)用驗(yàn)證
    5.1 基于SSPM的實(shí)時(shí)交通態(tài)勢(shì)聚合原型系統(tǒng)實(shí)現(xiàn)
        5.1.1 SSPM模型實(shí)現(xiàn)
        5.1.2 基于SSPM的實(shí)時(shí)交通態(tài)勢(shì)聚合原型系統(tǒng)實(shí)現(xiàn)
        5.1.3 集群配置
    5.2 環(huán)境搭建與原型系統(tǒng)效果展示
        5.2.1 實(shí)驗(yàn)環(huán)境搭建
        5.2.2 實(shí)驗(yàn)數(shù)據(jù)的獲取
        5.2.3 原型系統(tǒng)效果展示
    5.3 性能比較與分析
    5.4 總結(jié)
第六章結(jié)論與展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果
作者在學(xué)期間參加的科研項(xiàng)目



本文編號(hào)：3541560