【摘要】：信息化時(shí)代,科技日新月益,社會(huì)經(jīng)濟(jì)得到高速發(fā)展,城市道路交通每況愈下,智能交通系統(tǒng)得以蓬勃發(fā)展。車聯(lián)網(wǎng)作為物聯(lián)網(wǎng)在智能交通系統(tǒng)中的主要構(gòu)成部分,研究它對(duì)于改善交通狀況、提高交通運(yùn)輸效率和確保人民出行安全具有較高的應(yīng)用意義。由于車聯(lián)網(wǎng)中車輛節(jié)點(diǎn)具有高速移動(dòng)性和極易受環(huán)境影響等特點(diǎn),使得傳感器收集的數(shù)據(jù)難免存在篡改、丟失、偽造等各種問題。因此,有效地對(duì)車聯(lián)網(wǎng)傳感器數(shù)據(jù)進(jìn)行異常檢測(cè)及恢復(fù),可促使數(shù)據(jù)能夠準(zhǔn)確無(wú)誤地反映交通實(shí)時(shí)狀態(tài),進(jìn)而確保交通分析模型的真實(shí)性和智能交通管理系統(tǒng)的有效性。本文在總結(jié)車聯(lián)網(wǎng)異常數(shù)據(jù)產(chǎn)生原因的基礎(chǔ)上,提出了基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型和時(shí)空相關(guān)性組合模型的兩種異常檢測(cè)及數(shù)據(jù)恢復(fù)算法。其中,在基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型的方案中,首先介紹了動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型的結(jié)構(gòu)和參數(shù)學(xué)習(xí)算法,分別為粒子群優(yōu)化算法和最大期望算法。其次,根據(jù)數(shù)據(jù)特性提出了一種基于閾值調(diào)整的異常檢測(cè)及數(shù)據(jù)恢復(fù)方案,同時(shí)給出了最優(yōu)閾值的性能分析計(jì)算方法。最后,通過(guò)模擬包含注入異常的數(shù)據(jù)集對(duì)所提方案的性能優(yōu)劣進(jìn)行了評(píng)估。仿真結(jié)果表明該方案在保證高檢錯(cuò)率、高修復(fù)成功率的條件下具有較低的誤檢率。在基于時(shí)空相關(guān)性組合模型的方案中,首先詳述了相關(guān)性理論并選擇自相關(guān)系數(shù)和Pearson相關(guān)系數(shù)分別作為衡量傳感器數(shù)據(jù)間的時(shí)間和空間相關(guān)性指標(biāo)。其次,利用將代表時(shí)間相關(guān)性的指數(shù)平滑算法和代表空間相關(guān)性的最小二乘估計(jì)算法相結(jié)合的組合模型算法對(duì)異常數(shù)據(jù)進(jìn)行檢測(cè)及恢復(fù),同時(shí)給出了平滑系數(shù)、權(quán)重系數(shù)以及最優(yōu)閾值的確定方法。然后,將該組合模型算法與原先兩個(gè)單獨(dú)的算法在同一數(shù)據(jù)集中進(jìn)行實(shí)驗(yàn)仿真,通過(guò)對(duì)比仿真結(jié)果來(lái)驗(yàn)證組合算法的實(shí)用性。最后,給出文章所提兩種方案各自適合的應(yīng)用場(chǎng)景。
【圖文】：

肇事車輛偽造事故數(shù)據(jù)或虛假交通堵塞數(shù)據(jù)等，將嚴(yán)重影響道路秩序，甚至威脅司機(jī)的生命安全，所以在使用這些數(shù)據(jù)之前必須進(jìn)行異常檢測(cè)及數(shù)據(jù)恢復(fù)。圖2.1 車聯(lián)網(wǎng)網(wǎng)絡(luò)架構(gòu)圖2.1.2 車聯(lián)網(wǎng)異常檢測(cè)及數(shù)據(jù)恢復(fù)的動(dòng)機(jī)車聯(lián)網(wǎng)中通過(guò)異常檢測(cè)及數(shù)據(jù)恢復(fù)可保證傳感器數(shù)據(jù)的可靠性，提高在噪聲和故障傳感器存在的情況下數(shù)據(jù)分析的魯棒性，減少異常數(shù)據(jù)的通信開銷。這里，本節(jié)舉例說(shuō)明了在實(shí)際應(yīng)用中對(duì)數(shù)據(jù)進(jìn)行異常檢測(cè)及恢復(fù)的動(dòng)機(jī)：（1）交通事故監(jiān)測(cè)，即交通實(shí)時(shí)數(shù)據(jù)通過(guò)無(wú)線傳感網(wǎng)絡(luò)上傳至云端服務(wù)器中心監(jiān)測(cè)。發(fā)現(xiàn)異常記錄并對(duì)其進(jìn)行恢復(fù)可提醒云端查看是否有異常事件發(fā)生并允許相關(guān)人員及時(shí)采取有效的救助措施。（2）車輛狀態(tài)監(jiān)測(cè)，即通過(guò) OBD 接口與智能手機(jī)互連來(lái)實(shí)時(shí)查看車輛自身的狀態(tài)。異常檢測(cè)可快速識(shí)別異常數(shù)據(jù)，提醒車主車輛零件可能存在故障，，處于亞健康狀態(tài)，需盡快對(duì)其進(jìn)行維護(hù)保養(yǎng)。（3）車輛目標(biāo)監(jiān)測(cè)，即通過(guò)嵌入目標(biāo)車輛 GPS 傳感器來(lái)進(jìn)行實(shí)時(shí)查詢追蹤。異常檢測(cè)及數(shù)據(jù)恢復(fù)技術(shù)可將錯(cuò)誤位置信息過(guò)濾并恢復(fù)以提高目標(biāo)定位精度

性能略優(yōu)于邊界算法。3.2 DBN 接口算法描述圖3.1 用于監(jiān)測(cè)車輛節(jié)點(diǎn)運(yùn)行狀態(tài)的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模擬模型在本文中，假設(shè)用 個(gè)傳感器來(lái)監(jiān)測(cè)車輛節(jié)點(diǎn)的運(yùn)行狀態(tài)，并將時(shí)間劃分為 個(gè)連續(xù)的時(shí)間片，各個(gè)傳感器在每個(gè)時(shí)間片內(nèi)上傳一次監(jiān)測(cè)數(shù)據(jù)。圖 3.1 便是本章為描述車聯(lián)網(wǎng)中車輛節(jié)點(diǎn)的監(jiān)測(cè)過(guò)程而構(gòu)建的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模擬模型。其中，
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U495

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 羅崇偉;張立臣;;基于車聯(lián)網(wǎng)的虛假數(shù)據(jù)檢測(cè)模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年06期

2 郭敏;藍(lán)金輝;李娟娟;林宗術(shù);孫新榮;;基于灰色殘差GM(1,N)模型的交通流數(shù)據(jù)恢復(fù)算法[J];交通運(yùn)輸系統(tǒng)工程與信息;2012年01期

3 田鳳占,陸玉昌;用動(dòng)態(tài)Bayesian網(wǎng)絡(luò)建立宏觀經(jīng)濟(jì)系統(tǒng)模型[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年09期

4 張德南,張心艷;指數(shù)平滑預(yù)測(cè)法中平滑系數(shù)的確定[J];大連鐵道學(xué)院學(xué)報(bào);2004年01期

相關(guān)碩士學(xué)位論文 前2條

1 王英會(huì);高速公路交通流異常數(shù)據(jù)識(shí)別及修復(fù)方法研究[D];北京交通大學(xué);2015年

2 鄒曉芳;城市快速路交通流故障數(shù)據(jù)修復(fù)方法研究[D];北京交通大學(xué);2014年

本文編號(hào)：2604317