隨著人們生活品質(zhì)的提高,車輛保有量的增多,交通擁堵問題日益嚴(yán)重。交通擁堵不但造成了出行時(shí)間成本的增加,同時(shí)也造成了資源的浪費(fèi)以及環(huán)境的污染。而在我國對(duì)于智能交通系統(tǒng)的研究還處于初期階段,因此對(duì)于智能交通系統(tǒng)的研究具有十分重大的意義。本文針對(duì)智能交通系統(tǒng)的功能需求,對(duì)基于群智感知的智能交通系統(tǒng)進(jìn)行了研究和實(shí)現(xiàn),主要工作如下:(1)完成了基于群智感知的智能交通系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)工作,對(duì)系統(tǒng)的功能模塊做了詳細(xì)設(shè)計(jì)并且實(shí)現(xiàn)了實(shí)時(shí)路況推送、拼車好友推薦、拼車通信等功能。最后,從系統(tǒng)的功能、性能兩方面完進(jìn)行了測試。測試結(jié)果表明本系統(tǒng)滿足用戶的需求。(2)在系統(tǒng)關(guān)鍵技術(shù)研究中,針對(duì)舊的獲取路況信息方式的高花費(fèi)以及缺乏靈活性等缺點(diǎn)。本論文提出了一種基于群智感知框架通過智能手機(jī)收集信息來判別道路狀況的方案。并且依據(jù)該方案提出了新的定量分析指標(biāo)TAP,通過該指標(biāo)可判別不同模型對(duì)本方案的適用程度。在經(jīng)過定性以及定量的分析后,實(shí)驗(yàn)所運(yùn)用的三種模型中XGBoost是最適合本方案的。并且XGBoost的分類精準(zhǔn)度達(dá)到了90%以上,符合路況分類的需求。(3)對(duì)于用戶路徑信息的存儲(chǔ)與處理,考慮到服務(wù)端需要對(duì)用戶每天產(chǎn)生的大量信息進(jìn)行處理和存儲(chǔ)。本文設(shè)計(jì)了一種運(yùn)用MapReduce與HBase的組合方案解決大數(shù)據(jù)的處理以及存儲(chǔ)問題。(4)同時(shí),針對(duì)路徑匹配算法的不足,本論文對(duì)現(xiàn)有Circle-based算法進(jìn)行了研究并對(duì)算法做了改進(jìn),消除了原算法中存在的盲點(diǎn)區(qū)域,提高了算法的精確度。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP311.52
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究與發(fā)展現(xiàn)狀
    1.3 本論文的主要工作
    1.4 本論文的組織結(jié)構(gòu)
第二章 相關(guān)理論和技術(shù)
    2.1 群智感知
        2.1.1 群智感知的基本概念
        2.1.2 群智感知的基本特征
        2.1.3 群智感知的系統(tǒng)結(jié)構(gòu)
        2.1.4 群智感知的典型應(yīng)用
    2.2 Hadoop分布式計(jì)算平臺(tái)
        2.2.1 Hadoop
        2.2.2 MapReduce
        2.2.3 HBase
    2.3 機(jī)器學(xué)習(xí)
        2.3.1 XGBoost
        2.3.2 決策樹
        2.3.3 隨機(jī)森林
    2.4 系統(tǒng)實(shí)現(xiàn)技術(shù)
        2.4.1 Android
        2.4.2 Tomcat服務(wù)器
    2.5 本章小結(jié)
第三章 系統(tǒng)需求分析及可行性分析
    3.1 系統(tǒng)功能性需求分析
    3.2 系統(tǒng)非功能性需求分析
    3.3 系統(tǒng)用例設(shè)計(jì)
    3.4 可行性分析
        3.4.1 技術(shù)可行性
        3.4.2 運(yùn)行可行性
        3.4.3 經(jīng)濟(jì)可行性
        3.4.4 社會(huì)可行性
    3.5 本章小結(jié)
第四章 關(guān)鍵技術(shù)方案的研究與設(shè)計(jì)
    4.1 基于群智感知的實(shí)時(shí)交通狀況研究與設(shè)計(jì)
        4.1.1 方案介紹
        4.1.2 加速度信息采集
        4.1.3 重定向機(jī)制
        4.1.4 數(shù)據(jù)清洗
        4.1.5 特征提取
        4.1.6 XGBoost算法
        4.1.7 仿真實(shí)驗(yàn)
    4.2 基于MapReduce的路徑匹配研究與設(shè)計(jì)
        4.2.1 Circle-based算法
        4.2.2 Circle-based改進(jìn)算法
        4.2.3 時(shí)空相似性度量
        4.2.4 GPS坐標(biāo)定位與距離計(jì)算
        4.2.5 Map階段與Reduce階段設(shè)計(jì)
        4.2.6 仿真實(shí)驗(yàn)
    4.3 本章小結(jié)
第五章 系統(tǒng)設(shè)計(jì)
    5.1 系統(tǒng)架構(gòu)設(shè)計(jì)
        5.1.1 系統(tǒng)邏輯架構(gòu)圖
        5.1.2 系統(tǒng)功能架構(gòu)圖
        5.1.3 系統(tǒng)物理架構(gòu)圖
    5.2 系統(tǒng)功能詳細(xì)設(shè)計(jì)
        5.2.1 登錄注冊模塊設(shè)計(jì)
        5.2.2 通訊服務(wù)模塊設(shè)計(jì)
        5.2.3 實(shí)時(shí)路況推送模塊設(shè)計(jì)
        5.2.4 拼車好友推薦模塊設(shè)計(jì)
        5.2.5 通訊錄管理模塊設(shè)計(jì)
        5.2.6 拼車通信模塊設(shè)計(jì)
    5.3 系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)
        5.3.1 服務(wù)端數(shù)據(jù)庫設(shè)計(jì)
        5.3.2 客戶端數(shù)據(jù)庫設(shè)計(jì)
    5.4 本章小結(jié)
第六章 系統(tǒng)實(shí)現(xiàn)與測試
    6.1 系統(tǒng)實(shí)現(xiàn)
        6.1.1 登錄注冊模塊實(shí)現(xiàn)
        6.1.2 通訊服務(wù)模塊實(shí)現(xiàn)
        6.1.3 拼車通信模塊實(shí)現(xiàn)
        6.1.4 實(shí)時(shí)路況推送模塊實(shí)現(xiàn)
        6.1.5 拼車好友推薦模塊實(shí)現(xiàn)
        6.1.6 通訊錄管理模塊實(shí)現(xiàn)
    6.2 系統(tǒng)測試
        6.2.1 系統(tǒng)測試指標(biāo)
        6.2.2 系統(tǒng)測試環(huán)境
        6.2.3 功能測試
        6.2.4 性能測試
    6.3 本章小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻(xiàn)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃佳遙;周琴;張盛耀;;基于Android終端的物聯(lián)網(wǎng)無線環(huán)境監(jiān)測系統(tǒng)[J];電子技術(shù)與軟件工程;2018年03期

2 王瑋;姜朝斌;車開森;張燦燦;駱遷;陳琪;秦路;嚴(yán)航;李璋;陳勇;;基于Android系統(tǒng)的4G智能手機(jī)開發(fā)平臺(tái)軟件設(shè)計(jì)與實(shí)現(xiàn)[J];信息通信;2018年01期

3 趙新勇;李珊珊;夏曉敬;;大數(shù)據(jù)時(shí)代新技術(shù)在智能交通中的應(yīng)用[J];交通運(yùn)輸研究;2017年05期

4 郭會(huì);王麗俠;;基于個(gè)性化需求的拼車路徑匹配算法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2017年01期

5 何宏;向朝參;肖書成;沈鑫;楊盤隆;茍繼彬;;群智感知網(wǎng)絡(luò)研究現(xiàn)狀與發(fā)展[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2016年03期

6 吳垚;曾菊儒;彭輝;陳紅;李翠平;;群智感知激勵(lì)機(jī)制研究綜述[J];軟件學(xué)報(bào);2016年08期

7 李榮雨;程磊;;基于SVM最優(yōu)決策面的決策樹構(gòu)造[J];電子測量與儀器學(xué)報(bào);2016年03期

8 王鉦淇;;移動(dòng)群智感知網(wǎng)絡(luò)發(fā)展面臨安全挑戰(zhàn)[J];科技導(dǎo)報(bào);2015年24期

9 陸化普;孫智源;屈聞聰;;大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應(yīng)用綜述[J];交通運(yùn)輸系統(tǒng)工程與信息;2015年05期

10 陳翔;徐佳;吳敏;戴華;于京杰;;基于社會(huì)行為分析的群智感知數(shù)據(jù)收集研究[J];計(jì)算機(jī)應(yīng)用研究;2015年12期

本文編號(hào)：2841858