本文關(guān)鍵詞：基于云計算的駕駛行為分析

  更多相關(guān)文章： 云計算 譜聚類算法 駕駛行為分析 BP神經(jīng)網(wǎng)絡(luò) 駕駛行為評估

【摘要】：隨著汽車保有量的迅速增長,人們對汽車的性能、交通出行的通暢性和駕駛的安全性、舒適性以及經(jīng)濟性關(guān)注越來越高,駕駛行為分析成為了車輛和交通領(lǐng)域共同關(guān)注的一個研究課題。近年來,云計算技術(shù)飛速發(fā)展,解決了傳統(tǒng)駕駛行為分析方法無法處理海量車輛駕駛數(shù)據(jù)的問題,為駕駛行為分析提供了有力的技術(shù)支持。因此,本文研究基于云計算的駕駛行為分析對智能交通及駕駛輔助系統(tǒng)的發(fā)展具有重要的理論意義和應(yīng)用價值。本文的主要研究工作包括以下內(nèi)容：(1)根據(jù)Pearson相關(guān)系數(shù)提取出與油耗及安全密切相關(guān)的特征參數(shù),采用K-means算法、KFCM算法以及譜聚類算法分別進行聚類分析,從油耗角度最終得到三類駕駛行為：高耗油駕駛行為,中等耗油駕駛行為,低耗油駕駛行為；從安全角度最終得到三種駕駛行為：激進型駕駛行為,一般型駕駛行為,謹(jǐn)慎型駕駛行為。(2)基于OpenStack虛擬化技術(shù)和Spark并行處理技術(shù)構(gòu)建云計算平臺,研究基于云計算的并行譜聚類算法,并應(yīng)用于駕駛行為大數(shù)據(jù)分析,提高算法運行效率。(3)采用譜聚類結(jié)果為樣本,構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的駕駛行為安全評估和駕駛行為油耗評估在線模型。(4)實現(xiàn)了系統(tǒng)的整體設(shè)計,使用云計算平臺完成了駕駛行為分析實驗,并對基于BP神經(jīng)網(wǎng)絡(luò)的駕駛行為-安全評估模型和駕駛行為-油耗評估模型進行驗證,實驗結(jié)果表明該模型實現(xiàn)了準(zhǔn)確的評估。
【關(guān)鍵詞】：云計算 譜聚類算法 駕駛行為分析 BP神經(jīng)網(wǎng)絡(luò) 駕駛行為評估
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U491.25;TP3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-18
• 1.1 課題研究目的及意義10
• 1.2 駕駛行為國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 國外相關(guān)研究現(xiàn)狀10-12
• 1.2.2 國內(nèi)相關(guān)研究現(xiàn)狀12-13
• 1.3 云計算及數(shù)據(jù)挖掘技術(shù)國內(nèi)外研究現(xiàn)狀13-15
• 1.3.1 國外相關(guān)研究現(xiàn)狀13-14
• 1.3.2 國內(nèi)相關(guān)研究現(xiàn)狀14-15
• 1.4 本文研究內(nèi)容及章節(jié)安排15-18
• 第二章 駕駛行為分析技術(shù)研究18-33
• 2.1 駕駛行為分析技術(shù)方案18
• 2.2 特征參數(shù)提取方法18-20
• 2.2.1 油耗相關(guān)的特征參數(shù)提取19-20
• 2.2.2 安全相關(guān)的特征參數(shù)提取20
• 2.3 駕駛行為分析算法研究20-28
• 2.3.1 K-means算法21
• 2.3.2 KFCM算法21-22
• 2.3.3 譜聚類算法22-28
• 2.3.3.1 譜聚類的譜圖定義23-24
• 2.3.3.2 圖的拉普拉斯矩陣及性質(zhì)24-25
• 2.3.3.3 譜圖劃分準(zhǔn)則25-28
• 2.3.3.4 譜聚類算法的實現(xiàn)28
• 2.4 實驗仿真28-32
• 2.4.1 基于油耗角度的駕駛行為分析技術(shù)對比29-30
• 2.4.2 基于安全角度的駕駛行為分析技術(shù)對比30-32
• 2.4.3 綜合分析32
• 2.5 本章小結(jié)32-33
• 第三章 云計算技術(shù)研究33-54
• 3.1 云計算研究33
• 3.2 IaaS層技術(shù)研究33-38
• 3.2.1 IaaS網(wǎng)絡(luò)架構(gòu)圖及部署34-35
• 3.2.2 OpenStack虛擬化技術(shù)研究35-36
• 3.2.3 分布式存儲技術(shù)研究36-38
• 3.2.4 Swift數(shù)據(jù)中心38
• 3.3 PaaS層并行處理技術(shù)研究38-45
• 3.3.1 MapReduce技術(shù)研究39-41
• 3.3.1.1 MapReduce編程模型39-40
• 3.3.1.2 MapReduce核心工作原理40-41
• 3.3.2 Spark分布式集群技術(shù)研究41-44
• 3.3.2.1 Spark RDD41
• 3.3.2.2 Spark核心工作原理41-43
• 3.3.2.3 Spark模型研究43-44
• 3.3.3 Spark與Hadoop MapReduce對比44-45
• 3.4 基于云計算的并行譜聚類算法實現(xiàn)45-52
• 3.4.1 基于Spark的并行計算相似矩陣46-47
• 3.4.2 基于Spark的并行計算拉普拉斯矩陣特征向量47-48
• 3.4.3 基于Spark的并行K-means聚類48-51
• 3.4.4 并行譜聚類算法參數(shù)調(diào)優(yōu)51
• 3.4.5 單機與云計算平臺實驗對比51-52
• 3.5 本章小結(jié)52-54
• 第四章 駕駛行為評估模型54-66
• 4.1 分類器54-56
• 4.2 BP神經(jīng)網(wǎng)絡(luò)56-62
• 4.2.1 神經(jīng)元模型56-59
• 4.2.1.1 MP模型56-57
• 4.2.1.2 一般神經(jīng)元模型57-59
• 4.2.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)59-60
• 4.2.3 BP神經(jīng)網(wǎng)絡(luò)算法60-62
• 4.2.3.1 BP神經(jīng)網(wǎng)絡(luò)算法原理60-61
• 4.2.3.2 BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)步驟61-62
• 4.3 駕駛行為評估模型62-64
• 4.3.1 駕駛行為-油耗評估模型62-63
• 4.3.2 駕駛行為-安全評估模型63-64
• 4.4 本章小結(jié)64-66
• 第五章 系統(tǒng)實驗與結(jié)果分析66-82
• 5.1 駕駛行為分析系統(tǒng)實現(xiàn)66-73
• 5.1.1 硬件采集系統(tǒng)66-67
• 5.1.2 云計算平臺軟硬件環(huán)境67-68
• 5.1.3 OpenStack部署68-69
• 5.1.4 Hadoop分布式集群部署69-71
• 5.1.5 Spark分布式集群部署71-73
• 5.2 系統(tǒng)實驗結(jié)果73-81
• 5.2.1 數(shù)據(jù)特征提取73-74
• 5.2.2 云計算聚類結(jié)果74-76
• 5.2.3 系統(tǒng)實驗結(jié)果分析76-81
• 5.2.3.1 基于安全角度的駕駛行為聚類分析76-77
• 5.2.3.2 基于油耗角度的駕駛行為聚類分析77-79
• 5.2.3.3 駕駛行為-安全評估79-80
• 5.2.3.4 駕駛行為-油耗評估80-81
• 5.3 本章小結(jié)81-82
• 第六章 總結(jié)與展望82-84
• 6.1 課題總結(jié)82
• 6.2 展望82-84
• 致謝84-85
• 參考文獻85-88

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊昕維;王奕睿;;數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在汽車領(lǐng)域的前景展望[J];中小企業(yè)管理與科技(上旬刊);2016年01期

2 孫川;吳超仲;褚端峰;杜志剛;田飛;;基于車聯(lián)網(wǎng)數(shù)據(jù)挖掘的營運車輛駕駛速度行為聚類研究[J];交通運輸系統(tǒng)工程與信息;2015年06期

3 趙曉華;陳晨;伍毅平;榮建;劉瑩;程穎;胡瑩;;出租車駕駛員駕駛行為對油耗的影響及潛力分析[J];交通運輸系統(tǒng)工程與信息;2015年04期

4 嚴(yán)玉良;董一鴻;何賢芒;汪衛(wèi);;FSMBUS:一種基于Spark的大規(guī)模頻繁子圖挖掘算法[J];計算機研究與發(fā)展;2015年08期

5 熊亞軍;廖曉農(nóng);李梓銘;張小玲;孫兆彬;趙秀娟;趙普生;馬小會;蒲維維;;KNN數(shù)據(jù)挖掘算法在北京地區(qū)霾等級預(yù)報中的應(yīng)用[J];氣象;2015年01期

6 劉軒;謝輝;馬紅杰;陳雙喜;;公交駕駛員駕駛行為對油耗的影響及其評價指標(biāo)[J];汽車工程;2014年11期

7 張建勇;高冉;胡駿;鄭揚;;灰色關(guān)聯(lián)度和Pearson相關(guān)系數(shù)的應(yīng)用比較[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2014年21期

8 牛增良;李海斌;王文峰;白麗霞;;基于聚類分析的營運駕駛?cè)宋ｋU駕駛行為研究[J];山東交通學(xué)院學(xué)報;2014年01期

9 李麗敏;王仲生;姜洪開;;基于相似性傳播聚類的航空發(fā)動機突發(fā)故障診斷[J];振動與沖擊;2014年01期

10 肖獻強;任春燕;王其東;;基于隱馬爾可夫模型的駕駛行為預(yù)測方法研究[J];中國機械工程;2013年21期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李平凡;駕駛行為表征指標(biāo)及分析方法研究[D];吉林大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 樊嘉麒;基于大數(shù)據(jù)的數(shù)據(jù)挖掘引擎[D];北京郵電大學(xué);2015年

2 王延偉;城市公交車駕駛節(jié)能技術(shù)的研究[D];長安大學(xué);2010年

，

本文編號：730945