面向移动群体感知的数据处理机制研究与系统实现
发布时间：2021-12-18 03:42
移动互联网的不断成熟以及搭载各种传感器的智能终端的广泛普及和应用催生了一个全新的研究领域——移动群体感知技术领域。移动群体感知以具有感知能力的移动设备为载体,以携带感知设备的人以及其所处环境为感知对象,其特点是充分利用人们随身携带的各种移动设备如智能手机等对其本身及其所处的环境进行感知,持续地获取感知数据并对这些感知数据所形成的感知数据流进行实时分析和处理,进而获取群体的各种行为、现象以及态势如交通拥堵态势、疾病传播趋势等等,以便更好地为人们提供各种各样的服务。如何对大规模移动群体感知数据进行高效处理是目前该领域重点研究和解决的问题之一。本文针对上述问题,在对移动群体感知的概念内涵、特点以及相关技术深入分析研究基础上,重点研究了基于流处理技术的移动群体感知数据流处理模型,进而以智能交通为背景,针对智能交通感知数据流的特点,重点研究了基于道路拓扑的实时地图匹配算法以及基于流的快速交通态势聚合算法,在此基础上,以实时流处理平台S4为基础进行了系统设计与实现并进行了实验验证。本文的主要工作体现在如下三个方面:首先,针对大规模移动群体感知数据流数据规模巨大和实时处理问题,提出了一种新的基于流处...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 移动群体感知研究现状
1.2.2 分布式批处理技术研究现状
1.2.3 分布式流计算研究现状
1.2.4 小结
1.3 研究内容
1.4 论文结构
第二章 相关技术研究
2.1 移动群体感知技术
2.1.1 移动群体感知的内涵
2.1.2 移动群体感知的发展趋势与技术难点
2.1.3 移动群体感知云端数据处理挑战
2.2 分布式流处理系统
2.2.1 Borealis分布式流式系统
2.2.2 Yahoo!S4分布式流计算平台
2.2.3 Storm分布式实时计算系统
2.2.4 比较与结论
2.3 地图匹配算法
2.3.1 基于距离的算法
2.3.2 基于拓扑关系的算法
2.3.3 基于概率统计的算法
2.3.4 基于模糊逻辑的算法
2.3.5 基于卡尔曼滤波的算法
2.3.6 比较与结论
2.4 小结
第三章 基于流的移动群体感知数据处理模型
3.1 模型整体结构
3.1.1 移动群体感知数据云端处理过程
3.1.2 SSPM体系结构
3.2 基于代理的数据接收机制
3.2.1 基于缓冲区的重定序机制
3.2.2 基于规则的并发数据转换机制
3.3 基于流的态势聚合机制
3.3.1 S4处理集群通信
3.3.2 基于流的态势聚合机制
3.3.3 基于整合的终端请求处理机制
3.4 小结
第四章 基于SSPM的实时交通态势聚合算法设计
4.1 基于道路拓扑的地图匹配算法
4.1.1 GPS误差分析
4.1.2 道路拓扑关系抽象
4.1.3 基于拓扑关系的候选路段集筛选
4.1.4 基于距离和速度的候选集地图匹配
4.1.5 基于道路拓扑的实时地图匹配算法流程
4.2 基于路段平均速度的交通态势聚合算法
4.2.1 交通态势评判指标选取
4.2.2 基于权重的路段平均速度的计算方法
4.2.3 时间触发的快速交通态势更新策略
4.3 基于SSPM的实时交通态势聚合过程
4.4 小结
第五章 原型系统实现与应用验证
5.1 基于SSPM的实时交通态势聚合原型系统实现
5.1.1 SSPM模型实现
5.1.2 基于SSPM的实时交通态势聚合原型系统实现
5.1.3 集群配置
5.2 环境搭建与原型系统效果展示
5.2.1 实验环境搭建
5.2.2 实验数据的获取
5.2.3 原型系统效果展示
5.3 性能比较与分析
5.4 总结
第六章结论与展望
致谢
参考文献
作者在学期间取得的学术成果
作者在学期间参加的科研项目
本文编号：3541560
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 移动群体感知研究现状
1.2.2 分布式批处理技术研究现状
1.2.3 分布式流计算研究现状
1.2.4 小结
1.3 研究内容
1.4 论文结构
第二章 相关技术研究
2.1 移动群体感知技术
2.1.1 移动群体感知的内涵
2.1.2 移动群体感知的发展趋势与技术难点
2.1.3 移动群体感知云端数据处理挑战
2.2 分布式流处理系统
2.2.1 Borealis分布式流式系统
2.2.2 Yahoo!S4分布式流计算平台
2.2.3 Storm分布式实时计算系统
2.2.4 比较与结论
2.3 地图匹配算法
2.3.1 基于距离的算法
2.3.2 基于拓扑关系的算法
2.3.3 基于概率统计的算法
2.3.4 基于模糊逻辑的算法
2.3.5 基于卡尔曼滤波的算法
2.3.6 比较与结论
2.4 小结
第三章 基于流的移动群体感知数据处理模型
3.1 模型整体结构
3.1.1 移动群体感知数据云端处理过程
3.1.2 SSPM体系结构
3.2 基于代理的数据接收机制
3.2.1 基于缓冲区的重定序机制
3.2.2 基于规则的并发数据转换机制
3.3 基于流的态势聚合机制
3.3.1 S4处理集群通信
3.3.2 基于流的态势聚合机制
3.3.3 基于整合的终端请求处理机制
3.4 小结
第四章 基于SSPM的实时交通态势聚合算法设计
4.1 基于道路拓扑的地图匹配算法
4.1.1 GPS误差分析
4.1.2 道路拓扑关系抽象
4.1.3 基于拓扑关系的候选路段集筛选
4.1.4 基于距离和速度的候选集地图匹配
4.1.5 基于道路拓扑的实时地图匹配算法流程
4.2 基于路段平均速度的交通态势聚合算法
4.2.1 交通态势评判指标选取
4.2.2 基于权重的路段平均速度的计算方法
4.2.3 时间触发的快速交通态势更新策略
4.3 基于SSPM的实时交通态势聚合过程
4.4 小结
第五章 原型系统实现与应用验证
5.1 基于SSPM的实时交通态势聚合原型系统实现
5.1.1 SSPM模型实现
5.1.2 基于SSPM的实时交通态势聚合原型系统实现
5.1.3 集群配置
5.2 环境搭建与原型系统效果展示
5.2.1 实验环境搭建
5.2.2 实验数据的获取
5.2.3 原型系统效果展示
5.3 性能比较与分析
5.4 总结
第六章结论与展望
致谢
参考文献
作者在学期间取得的学术成果
作者在学期间参加的科研项目
本文编号：3541560
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3541560.html
