【摘要】：智能交通產(chǎn)業(yè)發(fā)展至今,各種先進(jìn)的信息采集技術(shù)(如微波采集技術(shù)、視頻采集技術(shù)、環(huán)形線圈感應(yīng)式采集技術(shù)等)被廣泛地運(yùn)用于交通數(shù)據(jù)采集,交通管理部門不僅具備了交通基礎(chǔ)信息,還擁有了各類動(dòng)態(tài)數(shù)據(jù),如車輛實(shí)時(shí)營運(yùn)信息、道路交通狀況等,采集的數(shù)據(jù)類型包括屬性數(shù)據(jù)、空間數(shù)據(jù)、影像數(shù)據(jù)等。區(qū)別于原有手段所采集的交通數(shù)據(jù),通過這些新興技術(shù)采集的流數(shù)據(jù)具有數(shù)據(jù)容量大、實(shí)時(shí)性高的特點(diǎn)。在這種交通數(shù)據(jù)實(shí)時(shí)的、持續(xù)增長的狀態(tài)下,交通行業(yè)傳統(tǒng)非實(shí)時(shí)、靜態(tài)管理數(shù)據(jù)的信息處理方式已經(jīng)難以適用。因此,如何實(shí)時(shí)處理傳感器采集的流數(shù)據(jù)已經(jīng)成為關(guān)注的焦點(diǎn)和亟需攻破的難關(guān)。在這樣的背景下,本文通過對(duì)基于Storm、HBase等大數(shù)據(jù)實(shí)時(shí)技術(shù)的研究,提出了相應(yīng)的解決方案,其主要研究工作和成果如下:(1)提出了基于Storm的實(shí)時(shí)交通信息管理系統(tǒng)的總體架構(gòu)。將架構(gòu)分為5個(gè)層面:數(shù)據(jù)采集層、數(shù)據(jù)接入層、數(shù)據(jù)處理與存儲(chǔ)層、服務(wù)層和應(yīng)用層,同時(shí)研究與設(shè)計(jì)了 Storm集群的高可用性方案。(2)在研究了 HBase原理之后,根據(jù)交通流數(shù)據(jù)具有數(shù)據(jù)量大、接入速度快以及數(shù)據(jù)源多等特點(diǎn),通過對(duì)行鍵結(jié)構(gòu)設(shè)計(jì)的優(yōu)化,解決了流數(shù)據(jù)落地時(shí)出現(xiàn)的“熱點(diǎn)”問題。(3)以自主開發(fā)的Storm交通流實(shí)時(shí)分析處理平臺(tái)為基礎(chǔ),實(shí)現(xiàn)對(duì)交通流數(shù)據(jù)的實(shí)時(shí)處理,解決了海量交通流數(shù)據(jù)的道路車流平均速度計(jì)算以及計(jì)算結(jié)果離散化的問題。同時(shí),本文還對(duì)隱馬爾可夫模型進(jìn)行深入研究,以分析計(jì)算所得的數(shù)據(jù)序列,完成對(duì)交通隱馬爾可夫模型參數(shù)的構(gòu)造。通過對(duì)數(shù)據(jù)序列的統(tǒng)計(jì)分析,使用EM算法完成模型參數(shù)的訓(xùn)練。最后使用Viterbi算法完成未來五分鐘的交通狀態(tài)預(yù)測。(4)最后,根據(jù)總體架構(gòu)應(yīng)用層需求,基于Storm實(shí)時(shí)計(jì)算平臺(tái),構(gòu)建并實(shí)現(xiàn)了實(shí)時(shí)交通信息管理系統(tǒng)。本文對(duì)系統(tǒng)進(jìn)行了詳細(xì)的功能模塊設(shè)計(jì),并實(shí)現(xiàn)了流量統(tǒng)計(jì)、擁堵查詢、車輛跟蹤、交通擁堵預(yù)測等功能。
[Abstract]:With the development of intelligent transportation industry, a variety of advanced information acquisition technologies (such as microwave acquisition technology, video capture technology, loop coil induction acquisition technology, etc.) have been widely used in traffic data acquisition. Traffic management departments not only have basic traffic information, but also have all kinds of dynamic data, such as real-time operation information of vehicles, road traffic conditions, etc. The data types collected include attribute data, spatial data, image data and so on. Different from the traffic data collected by the original means, the stream data collected by these new technologies have the characteristics of large data capacity and high real-time performance. Under the condition of real-time and continuous growth of traffic data, the traditional non-real-time and static information processing methods of traffic industry are difficult to apply. Therefore, how to process the stream data collected by sensors in real time has become the focus of attention and urgent difficulties. Based on the research of big data real-time technology such as Storm,HBase, this paper puts forward the corresponding solutions. The main research work and results are as follows: (1) the overall framework of real-time traffic information management system based on Storm is proposed. The architecture is divided into five layers: data acquisition layer, data access layer, data processing and storage layer, service layer and application layer. At the same time, the high availability scheme of Storm cluster is studied and designed. (2) after studying the principle of HBase, According to the characteristics of traffic flow data, such as large amount of data, fast access speed and many data sources, the design of row key structure is optimized. It solves the "hot spot" problem when the flow data falls to the ground. (3) based on the Storm real-time traffic flow analysis and processing platform developed by ourselves, the real-time processing of traffic flow data is realized. The problem of calculating the average speed of traffic flow and the discretization of the result is solved. At the same time, the hidden Markov model is deeply studied in order to analyze the calculated data sequence and construct the parameters of the traffic hidden Markov model. Through the statistical analysis of the data sequence, the EM algorithm is used to complete the training of the model parameters. Finally, the Viterbi algorithm is used to predict the traffic state in the next five minutes. (4) finally, according to the requirements of the application layer of the overall architecture, a real-time traffic information management system is constructed and implemented based on the Storm real-time computing platform. In this paper, the detailed functional modules are designed, and the functions of traffic statistics, traffic congestion query, vehicle tracking, traffic congestion prediction and so on are realized.
【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王西點(diǎn);;基于手機(jī)位置的實(shí)時(shí)交通信息采集技術(shù)[J];中國交通信息產(chǎn)業(yè);2009年01期

2 孫海鵬;翟傳潤;戰(zhàn)興群;張炎華;;基于實(shí)時(shí)交通信息的動(dòng)態(tài)路徑規(guī)劃技術(shù)[J];微計(jì)算機(jī)信息;2007年24期

3 張起花;黃仲文;;首家多城市實(shí)時(shí)交通信息服務(wù)平臺(tái)上線[J];運(yùn)輸經(jīng)理世界;2009年08期

4 宋鶯;;實(shí)時(shí)交通信息服務(wù)中交通信息位置編碼方法研究[J];信息通信;2013年04期

5 郭旦懷;崔偉宏;;面向?qū)崟r(shí)交通信息提取的車輛軌跡數(shù)據(jù)挖掘[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2010年01期

6 張水艦;王芳;;自然語言實(shí)時(shí)交通信息與位置信息的融合方法[J];計(jì)算機(jī)時(shí)代;2014年02期

7 鐘永康;李峻玲;;智能交通中實(shí)時(shí)交通信息視頻發(fā)布系統(tǒng)的設(shè)計(jì)[J];廣東公安科技;2006年03期

8 楊揚(yáng);孔令和;李旭;伍民友;;城市交通網(wǎng)絡(luò)路徑規(guī)劃策略的性能分析[J];計(jì)算機(jī)工程;2010年21期

9 姚學(xué)恒;楊敏華;謝力華;;實(shí)時(shí)交通信息下基于抽象路網(wǎng)結(jié)構(gòu)的交通均衡[J];西南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年09期

10 孫偉;閆琳;;無線通信在高速公路機(jī)電系統(tǒng)中的應(yīng)用[J];中國交通信息產(chǎn)業(yè);2007年08期

相關(guān)會(huì)議論文 前3條

1 許志海;崔鐵軍;吳正升;;車輛自導(dǎo)航系統(tǒng)的一般性問題探討[A];中國地理信息系統(tǒng)協(xié)會(huì)第三次代表大會(huì)暨第七屆年會(huì)論文集[C];2003年

2 張曉波;林勇;李建新;劉廣起;李樹彬;;基于實(shí)時(shí)預(yù)測的城市交通控制管理平臺(tái)研究[A];PCC2009—第20屆中國過程控制會(huì)議論文集[C];2009年

3 李日涵;徐廣寧;夏創(chuàng)文;;基于預(yù)案消息庫的VMS交通信息發(fā)布實(shí)現(xiàn)方法[A];第七屆中國智能交通年會(huì)優(yōu)秀論文集——智能交通應(yīng)用[C];2012年

相關(guān)重要報(bào)紙文章 前9條

1 毛曉剛;“實(shí)時(shí)交通信息圖”的啟示[N];北京日?qǐng)?bào);2006年

2 記者　 孫文博;融合ITS 導(dǎo)航信息由“靜”變“動(dòng)”[N];中國電子報(bào);2006年

3 黃;宇達(dá)電通C516t可提供實(shí)時(shí)交通信息[N];電腦商報(bào);2008年

4 本報(bào)記者 王惜純;實(shí)時(shí)播報(bào)路況讓你少走彎路[N];中國質(zhì)量報(bào);2010年

5 本報(bào)記者 胡英;新版導(dǎo)航地圖精準(zhǔn)匹配路網(wǎng)[N];計(jì)算機(jī)世界;2007年

6 柴華;IBM“交通預(yù)測工具”發(fā)威新加坡[N];現(xiàn)代物流報(bào);2007年

7 劉春蕾;智能交通解擁堵之窘[N];科技日?qǐng)?bào);2004年

8 本報(bào)記者 李剛;高度智能化的北京奧運(yùn)交通[N];人民公安報(bào);2008年

9 ;讓你的出行更智能[N];計(jì)算機(jī)世界;2004年

相關(guān)博士學(xué)位論文 前1條

1 姚學(xué)恒;基于“3S”的實(shí)時(shí)交通信息系統(tǒng)關(guān)鍵技術(shù)研究[D];中南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 洪曉;基于車聯(lián)網(wǎng)和實(shí)時(shí)交通信息的路徑規(guī)劃系統(tǒng)研究[D];華南理工大學(xué);2015年

2 張興強(qiáng);實(shí)時(shí)交通信息自導(dǎo)航系統(tǒng)的研究[D];山東科技大學(xué);2006年

3 肖瑞;融入實(shí)時(shí)交通信息的城市電子地圖研究[D];長沙理工大學(xué);2011年

4 衛(wèi)瑋;基于實(shí)時(shí)交通信息的最優(yōu)路徑算法研究與實(shí)現(xiàn)[D];長安大學(xué);2009年

5 楊揚(yáng);基于實(shí)時(shí)交通信息的最優(yōu)路徑規(guī)劃問題的研究[D];上海交通大學(xué);2010年

6 甄津;實(shí)時(shí)交通信息接收導(dǎo)航終端設(shè)計(jì)[D];北京交通大學(xué);2008年

7 劉曉燕;基于PDA的實(shí)時(shí)交通信息發(fā)布系統(tǒng)研究[D];長安大學(xué);2008年

8 趙模;基于AOSVR的實(shí)時(shí)交通信息預(yù)測算法研究[D];山東理工大學(xué);2007年

9 賈揚(yáng)洋;基于LBS的實(shí)時(shí)交通信息系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D];河南大學(xué);2009年

10 劉翔;基于志愿感知的實(shí)時(shí)交通信息采集研究與系統(tǒng)設(shè)計(jì)[D];浙江大學(xué);2014年

，

本文編號(hào)：2205351