本文選題：流式時空大數(shù)據(jù) + 大數(shù)據(jù)分析�。� 參考：《軟件學(xué)報》2017年06期

【摘要】：針對伴隨車輛檢測這一新興的智能交通應(yīng)用,在一種特殊的流式時空大數(shù)據(jù)——車牌識別流式大數(shù)據(jù)(ANPR)下,重新定義了Platoon伴隨模式,提出PlatoonFinder算法,即時地在車牌識別數(shù)據(jù)流上挖掘Platoon伴隨模式.主要貢獻(xiàn)包括:第一,將Platoon伴隨模式發(fā)現(xiàn)問題映射為數(shù)據(jù)流上的帶有時空約束的頻繁序列挖掘問題,與傳統(tǒng)頻繁序列挖掘算法僅考慮序列元素之間位置關(guān)系不同,該算法能夠在頻繁序列挖掘的過程中有效處理序列元素之間復(fù)雜的時空約束關(guān)系;第二,該算法融入了偽投影等性能優(yōu)化技術(shù),針對數(shù)據(jù)流的特點進(jìn)行了性能優(yōu)化,能夠有效應(yīng)對車牌識別流式大數(shù)據(jù)的速率和規(guī)模,從而實現(xiàn)車輛Platoon伴隨模式的即時發(fā)現(xiàn).通過在真實車牌識別數(shù)據(jù)集上的實驗分析表明:PlatoonFinder算法的平均延時顯著低于經(jīng)典的Aprior和PrefixSpan等頻繁模式挖掘算法,也低于真實情況下交通攝像頭的車牌識別最小時間間隔.因此,所提出的算法可以有效地發(fā)現(xiàn)伴隨車輛組及其移動模式.
[Abstract]:Aiming at the new intelligent traffic application of accompanied vehicle detection, this paper redefines the Platoon adjoint pattern under a special flow space-time big data-vehicle license plate recognition flow big data / ANPRA, and proposes the PlatoonFinder algorithm.Platoon concomitant patterns are instantly mined on the license plate recognition data stream.The main contributions are as follows: first, the Platoon adjoint pattern discovery problem is mapped to the frequent sequence mining problem with temporal and spatial constraints on the data stream, which is different from the traditional frequent sequence mining algorithm, which only considers the location relationship between sequence elements.The algorithm can effectively deal with the complex temporal and spatial constraints between the sequence elements in the process of frequent sequence mining. Secondly, the algorithm integrates pseudo projection and other performance optimization techniques to optimize the performance of the data flow.It can effectively deal with the speed and scale of vehicle license plate recognition flow big data, so as to realize the real-time discovery of vehicle Platoon concomitant pattern.The experimental results on the real license plate recognition data set show that the average delay of the weighted Platoon Finder algorithm is significantly lower than that of the classical frequent pattern mining algorithms such as Aprior and PrefixSpan, and also lower than the minimum time interval of the real traffic camera license plate recognition.Therefore, the proposed algorithm can effectively discover the associated vehicle groups and their moving patterns.
【作者單位】： 天津大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院;大規(guī)模流數(shù)據(jù)集成與分析技術(shù)北京市重點實驗室(北方工業(yè)大學(xué));北方工業(yè)大學(xué)云計算研究中心;
【基金】：國家自然科學(xué)基金(61672042) 北京市市委組織部、北京市優(yōu)秀人才培養(yǎng)資助,青年骨干個人項目 北方工業(yè)大學(xué)“人才強(qiáng)校計劃”青年拔尖人才培育計劃~~
【分類號】：TP311.13;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;沈陽聚德高清車牌識別一體機(jī)跨出國門[J];中國交通信息化;2011年02期

2 劉錫峰;車牌識別在收費(fèi)公路規(guī)費(fèi)稽查中的應(yīng)用[J];黑龍江交通科技;2004年10期

3 李知菲;胡平;;小波技術(shù)在車牌識別中的應(yīng)用[J];黑龍江交通科技;2006年05期

4 金繼東;;車牌識別在收費(fèi)系統(tǒng)中的應(yīng)用研究[J];中國公路(交通信息產(chǎn)業(yè));2001年10期

5 李忠新;;河北省聯(lián)網(wǎng)收費(fèi)中車牌識別的多種應(yīng)用[J];中國交通信息化;2014年04期

6 文潔玲;上官明燦;孫文俠;趙勇;;淺談車牌識別技術(shù)應(yīng)用現(xiàn)狀[J];公路交通科技;2006年07期

7 郭春英;;車牌識別與視頻監(jiān)控系統(tǒng)集成探討[J];中國交通信息化;2014年01期

8 劉凱;劉輝;;黑龍江省高速公路車牌識別建設(shè)項目[J];黑龍江交通科技;2007年12期

9 林宇;;車牌識別在智能交通中的應(yīng)用與發(fā)展趨勢[J];中國安防;2012年11期

10 趙夏君;;車牌識別與檢測[J];湖南交通科技;2014年01期

相關(guān)重要報紙文章 前1條

1 本報評論員 周飆;交通擁堵是個產(chǎn)權(quán)問題[N];21世紀(jì)經(jīng)濟(jì)報道;2010年

相關(guān)碩士學(xué)位論文 前10條

1 尚兆功;基于視頻識別技術(shù)的智能車庫管理系統(tǒng)[D];山東建筑大學(xué);2016年

2 竇志偉;基于車牌識別數(shù)據(jù)的交通流參數(shù)短時預(yù)測[D];西南交通大學(xué);2016年

3 侯智;基于FPGA的SVM車牌識別算法研究與實現(xiàn)[D];長春理工大學(xué);2016年

4 趙珉鈺;基于稀疏表達(dá)理論的高效車牌識別算法研究[D];東南大學(xué);2016年

5 楊佳莉;基于車牌識別的高速公路網(wǎng)多路徑精確識別研究[D];長安大學(xué);2014年

6 陸峰;車牌識別算法在京秦高速公路中的應(yīng)用[D];燕山大學(xué);2015年

7 馬玉帥;基于卡口系統(tǒng)的車牌識別和車流量檢測系統(tǒng)設(shè)計與實現(xiàn)[D];山東大學(xué);2014年

8 朱皓;基于易混淆字符集神經(jīng)網(wǎng)絡(luò)的車牌識別算法研究[D];華中師范大學(xué);2014年

9 王瑜;基于PCA和網(wǎng)格特征的車牌識別算法研究[D];西安電子科技大學(xué);2013年

10 張帥;基于海量車牌識別數(shù)據(jù)的旅行時間計算問題研究[D];北方工業(yè)大學(xué);2015年

，

本文編號：1762956