交通狀態(tài)感知與誘導(dǎo)技術(shù)是智能交通領(lǐng)域最活躍的研究方向之一,特別是隨著云計算技術(shù)的發(fā)展,推動著交通狀態(tài)感知與誘導(dǎo)技術(shù)的進(jìn)步。基于云計算的交通狀態(tài)感知與誘導(dǎo)技術(shù)的主要目的就是快速高效尋找交通狀態(tài)信息中的內(nèi)在規(guī)律,為智能交通系統(tǒng)的設(shè)計提供技術(shù)支持,有利于優(yōu)化交通路網(wǎng),緩解交通擁堵,減少污染。當(dāng)前基于云計算的交通狀態(tài)感知與誘導(dǎo)技術(shù)研究的重點在于如何設(shè)計高效的并行算法模型,其主要有兩方面的難題:一方面,由于交通狀態(tài)信息的特殊性,使得現(xiàn)有數(shù)據(jù)處理模型無法直接在海量交通狀態(tài)數(shù)據(jù)中高效實現(xiàn);另一方面,由于信息需求者和管控的及時性對時間高度敏感,使得現(xiàn)有的計算模式無法滿足實際應(yīng)用的快速性需求。本文針對當(dāng)下海量交通狀態(tài)數(shù)據(jù)處理面臨的問題,分別從大數(shù)據(jù)聚類算法、浮動車交通參數(shù)估計、交通狀態(tài)信息估計以及大規(guī)模交通路網(wǎng)的最短路徑誘導(dǎo)算法等方面展開研究。本文完成的主要科研工作總結(jié)如下:（1）基于云計算的改進(jìn)K-means算法本文在研究云計算技術(shù)的基礎(chǔ)上,設(shè)計了一種改進(jìn)K-Means聚類算法（CK-Means）,該算法由Canopy算法和K-means兩種算法生成,主要解決在數(shù)據(jù)聚類過程中,容易引發(fā)局部陷阱迭代次數(shù)... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：120 頁

【學(xué)位級別】：博士

【部分圖文】：

技術(shù)路線圖

圖 2.1 云計算技術(shù)框架圖是一個高度概括的云計算的服務(wù)形式視圖，并沒有包含云計算鍵技術(shù)主要有虛擬化技術(shù)、海量分布式存儲技術(shù)、并行編程模布式資源管理技術(shù)、云計算平臺管理技術(shù)以及綠色節(jié)能技術(shù)等擬化技術(shù)技術(shù)是一種調(diào)配計算資源的方法，它將應(yīng)用系統(tǒng)的不同層面、存儲等)一一隔離開，從而打破數(shù)據(jù)中心、服務(wù)器、存儲、理設(shè)備之間的劃分，實現(xiàn)架構(gòu)動態(tài)化，達(dá)到集中管理和動態(tài)試，以提高系統(tǒng)結(jié)構(gòu)的彈性和靈活性、降低成本、改進(jìn)服務(wù)、減打開了云計算的大門，實現(xiàn)了跨系統(tǒng)的資源動態(tài)調(diào)度，將大量池，用于動態(tài)創(chuàng)建高度虛擬化的資源供給用戶使用，從而最

需再計算數(shù)據(jù)，基于此，聚類算法效率大大提升。此外，這個部分得到的最終 Canopy集合將作為第二個問題的輸入初始值。第二個部分就是使用 K-means 算法對第一個部分?jǐn)?shù)據(jù)進(jìn)行分析，并利用定義 1、定義 2 和定義 3 對聚類進(jìn)行分析。CK-means 算法執(zhí)行流程如圖 3-12 所示。定義 1（Canopy 定義）：給定數(shù)據(jù)集合 uiniU | 1,2,3,...，其中， xUi ，符合{ic | ||||ij x c}≤1T , cUijj , }則集合ix ，即歸為 集， 表示 集合半徑，jc 表示 中心點。定義 （2iSSE ）：簇iC 的平方誤差和表示本簇內(nèi)的全部點到該簇中心距離的平方和，如式（3-6）所示。 ixciiSSEdistcx2,（3-6）

【參考文獻(xiàn)】：
期刊論文
[1]不同周期信號交叉口間的相位差優(yōu)化模型[J]. 鄢小文,徐建閩,荊彬彬.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[2]一種改進(jìn)的交通網(wǎng)絡(luò)路徑選擇算法[J]. 段明義,張文.  公路交通科技. 2016(11)
[3]基于GPS浮動車數(shù)據(jù)的交通信息時空分布研究[J]. 沈敬偉,周廷剛,朱曉波.  西南大學(xué)學(xué)報(自然科學(xué)版). 2015(08)
[4]基于云環(huán)境K-means聚類的并行算法[J]. 高榕,李晶,肖雅夫,祝孫靜,彭衛(wèi)平.  武漢大學(xué)學(xué)報(理學(xué)版). 2015(04)
[5]云計算在智能交通中的應(yīng)用[J]. 向師仲,李建海,李敏,李學(xué)軍,康志華.  交通運輸工程與信息學(xué)報. 2015(02)
[6]多中心化下的城市商業(yè)中心空間吸引衰減率驗證——深圳市浮動車GPS時空數(shù)據(jù)挖掘[J]. 周素紅,郝新華,柳林.  地理學(xué)報. 2014(12)
[7]路段行程時間估計的浮動車數(shù)據(jù)挖掘方法[J]. 李慧兵,楊曉光,羅莉華.  交通運輸工程學(xué)報. 2014(06)
[8]基于浮動車數(shù)據(jù)的交通狀態(tài)估計精度仿真評價[J]. 唐克雙,梅雨,李克平.  同濟(jì)大學(xué)學(xué)報(自然科學(xué)版). 2014(09)
[9]基于交通信息時效性的車輛路徑優(yōu)化方法[J]. 張林,米雪玉,王彬.  公路交通科技(應(yīng)用技術(shù)版). 2014(06)
[10]基于云計算的并行K-means聚類算法研究[J]. 謝雪蓮,李蘭友.  計算機(jī)測量與控制. 2014(05)

博士論文
[1]大規(guī)模圖上的最短路徑問題研究[D]. 張鐘.中國科學(xué)技術(shù)大學(xué) 2014
[2]基于智能計算的城市交通信號控制系統(tǒng)研究[D]. 張萌萌.山東大學(xué) 2011

碩士論文
[1]基于Hadoop的云計算系統(tǒng)設(shè)計[D]. 王超.長安大學(xué) 2016
[2]基于并行Boost圖庫的單源最短路徑并行算法的研究[D]. 彭強(qiáng).華南理工大學(xué) 2010
[3]基于3GS浮動車的城市路段單車行程時間提取技術(shù)研究[D]. 吳超騰.吉林大學(xué) 2008
[4]基于浮動車的城市道路行程時間采集與預(yù)測方法研究[D]. 楊立娟.吉林大學(xué) 2007



本文編號：3418308