原文传递
基于大数据的交通流量模式分析研究
| 论文题名： | 基于大数据的交通流量模式分析研究 |
| 关键词： | 交通流量;时空规律;运行模式;数据挖掘 |
| 摘要： | 随着我国经济的迅猛发展和城镇化进程的飞速推进，国民生活水平快速提高的同时，城市交通系统面临着日益尖锐的车路矛盾。而城市交通流量模式统计分析是智慧交通系统的重中之重，对交通控制决策、路网资源配给具有重要意义。针对城市道路交通汽车流量时空分布严重不均、难以预测、极易引发交通拥堵等问题，结合模式识别与大数据挖掘技术，提出分析挖掘城市车辆交通日常出行模式的研究方法。 首先基于OpenCV跨平台计算机视觉库，结合机器学习的算法，对车辆牌照信息图像进行预处理、车牌定位、字符分割。对卷积神经网络(CNN)的图像识别算法与传统机器学习算法进行分析研究，提出基于卷积神经网络算法的字符识别方法，提高了字符识别的计算速度与准确率。 其次通过大数据挖掘方法，对城市车流量时空规律进行关联性分析，结合Apriori挖掘算法与Hadoop分布式处理框架，设计了基于Hadoop的并行化Apriori算法，对季节变换中出行规律的相似性进行关联挖掘;设计了基于Hadoop的并行化K-means聚类算法，对区域交通流量水平划分;以样本中心日为核心，针对城市各个路段流量的早晚起伏情况进行统计挖掘，结合数据挖掘结果，建立城市道路交通车辆日常出行模型。 最后，利用图论把路网抽象为点线的赋权图，结合城市交通路网运行模式和历史出行信息，在全局范围内进行启发式搜索;根据提出的动态路权函数，针对路径信息的实况更新，引入局部的增量搜索，在局部范围内实时的为车辆进行诱导路径的更新。 |
| 作者： | 牛孜飏 |
| 专业： | 控制工程 |
| 导师： | 高忠文 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨理工大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
