原文传递
面向车载信息的大规模数据处理平台技术研究
| 论文题名： | 面向车载信息的大规模数据处理平台技术研究 |
| 关键词： | 车载信息系统;大数据;道路导航;BP神经网络;模块设计 |
| 摘要： | 车载信息系统是运用了多种信息技术的车载设备，它能够采集车辆行驶过程中产生的各种车载数据。随着移动通信技术的发展，车载信息系统不再是一个无法与外界交互的独立个体，一些新的功能和作用开始展现出来。在接入网络后，它可以接受来自互联网提供的各种服务，但更重要的是它可以充当交通网络中一个活动的数据采集节点。大量这样的节点存在于交通网络中，并不断地采集数据，这些原始海量数据需要得到有效的处理和分析。 本课题从车载信息系统作为数据采集节点的角度出发，构建了一种通用的面向车载信息的大数据处理平台的框架。并在此基础上，研究了车载信息的大数据处理平台在道路导航方面的应用。本课题的主要工作如下： 1.深入剖析车载信息系统中使用的各种技术。分析得出车载数据具有大数据的特性。研究当前主流的大数据处理技术。分析和深入研究包括Hadoop、Storm、Spark在内的主流大数据处理技术，剖析这些大数据处理技术的基本架构、基本原理以及各自适用的场景。 2.提出一种面向车载信息的大数据处理平台的解决方案。设计面向车载信息的大规模数据处理平台的总体框架。设计总体框架中每一层的内容，包括数据源、数据传输层、数据处理层、数据存储层、访问接口层和应用层。 3.研究了面向车载信息的大数据处理平台在道路导航方面的应用。针对一般道路导航考虑因素的不足，将影响最佳行驶路线的路线长度、拥堵状况、道路状况等因素考虑进来，重新表示每条道路上影响行驶路线的权值。并重点研究了利用拥堵量的预测进行更加合理的道路导航。结合所提大数据平台的优势，使用分布式并行编程思想，建立BP神经网络模型对每条道路的拥堵状况进行预测。根据预测的拥堵量，计算当前最优行驶路线，且最优行驶路线会根据新的预测结果进行动态调整。 4.选取交通道路进行模拟实验，实验结果表明，在Hadoop集群环境中，能够实现时间较短、结果较准确的道路拥堵量预测。基于预测的结果，选取不同的权值系数，计算最优行驶路线，并与最短路径下的行驶时间做比较。结果表明，所求路线较最短路径相比，行驶时间有了不同程度的缩短，验证了模型的正确性。 |
| 作者： | 张杰 |
| 专业： | 计算机应用技术 |
| 导师： | 张可 |
| 授予学位： | 硕士 |
| 授予学位单位： | 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
