原文传递
基于交通时空大数据的异常行为模式挖掘研究
| 论文题名： | 基于交通时空大数据的异常行为模式挖掘研究 |
| 关键词： | 智能交通;时空数据;异常行为;数据挖掘 |
| 摘要： | 在智能交通系统中，物联网技术被广泛用于监控和管理交通参与者的流动情况，由此产生的海量交通时空数据为我们研究复杂多变的交通网络提供了基础，然而日益膨胀的数据量使得传统的数据分析方法已无法满足实际的应用需求。因此，如何利用日益成熟的大数据处理方法，并结交通时空数据的具体特性来开展相关研究，为促进交通网络的健康发展提供技术支持具有十分重要的意义。 本文聚焦交通时空数据中的异常行为模式挖掘研究，结合不同的应用场景，提出了速度异常和浮动车越界行驶异常两种异常模型，并给出了对应的时空异常挖掘算法。针对速度异常探测，其关键在于如何从海量的车辆监控数据中快速获取车辆的行驶速度。据此，本文结合不同的应用场景并利用大数据处理方法和数据流技术给出了相应的探测算法实现。而对于浮动车越界行驶异常探测，其问题本质在于空间点面位置关系的判断。据此，本文提出了基于地理栅格的多层栅格模型，并利用HBase对该模型的信息存储和数据查询进行了实现，从而解决了该问题。 此外，本文还分别对两种时空异常探测算法的性能进行了测试。经实验验证表明，本文算法具有较高的可行性和运行效率。最后，本文对道路实时监测系统中的车辆行驶速度异常监测应用和浮动车行驶区域实时监测应用进行了系统实现。 |
| 作者： | 窦文生 |
| 专业： | 计算机软件与理论 |
| 导师： | 俞东进 |
| 授予学位： | 硕士 |
| 授予学位单位： | 杭州电子科技大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
