基于Hadoop的交通视频大数据监控方案

发布时间：2021-01-31 11:07

　　为了解决海量交通视频数据的监控和分析问题,本文对Hadoop大数据背景下的交通视频监控技术进行了深入研究,提出了基于交通视频数据的异常检测算法的设计方案,实现了交通数据的实时更新和异常分析,同时针对海量交通监控视频,设计了基于Hadoop组件MapReduce的并行实现算法,并通过浙江省某市的实际交通数据验证算法的有效性和准确性。经过实验证明,本文算法可以有效计算出交通拥堵情况和异常情况,相对于传统方案,本文方案可以聚焦10min范围内的时间粒度对交通情况进行实时分析,相对于传统的分布式计算模型,本文的方案10min延迟可以控制在2.1s,比传统方案延迟降低了81%,基本满足交通视频监控的实时和细颗粒度等要求。 

【文章来源】：液晶与显示. 2020,35(11)北大核心

【文章页数】：6 页

【部分图文】：

异常度计算流程

随着时间的推移，道路周边基础设施如写字楼的建成、地铁的运营等因素，历史拥堵数据会发生变化，因此需要采用实时更新的方式来保证历史数据的准确性。当然交通视频历史数据的更新本身较为耗费计算资源，为了减少不必要的重复计算，本文提出的分片更新算法如图2所示。更新算法的核心是将时间跨度范围内最早日期的拥堵状况与当前的状况进行比较，如果交通情况从拥堵恢复为不拥堵则记为M=-1，否则记为M=1。

本文选取浙江省某市的交通视频监控的200个采集点的数据进行分析，其交通视频监控设备如图3所示。标注出该组的道路编号，车道标号way＿id，车道流量为total＿flow,speed是总速度，occ是车道占有率，本文的实验流程如下：

【参考文献】：
期刊论文
[1]一种用于电力监控的行人运动检测与跟踪算法[J]. 江鹏宇,杨耀权,彭蹦.  电力科学与工程. 2019(06)
[2]基于云计算与GPU的大数据挖掘比较[J]. 连彬彬,黄风华,谢小烽,邓小康.  电子技术与软件工程. 2017(13)
[3]基于Hadoop的公安视频大数据的处理方法[J]. 刘云恒,刘耀宗.  计算机科学. 2016(S1)
[4]自动化系统视频图数据格式分析[J]. 许乐.  科技视界. 2016(17)
[5]基于压缩感知的变尺度目标跟踪技术[J]. 毛建森,屈玉福.  液晶与显示. 2016(05)
[6]基于FPGA的视频与通讯数据融合设计[J]. 韩红霞,孙航,张海波.  液晶与显示. 2015(06)
[7]高斯混合模型自适应微光图像增强[J]. 陈莹,朱明,刘剑,李兆泽.  液晶与显示. 2015(02)
[8]基于Hadoop视频转码缓存策略的研究[J]. 毕莎莎,陈清华.  计算机工程与设计. 2015(03)
[9]采用图像特征的激光干扰跟踪效果评估[J]. 钱方,孙涛,郭劲,王挺峰,王岩.  液晶与显示. 2014(05)
[10]基于局部特征级联分类器和模板匹配的行人检测[J]. 周晨卉,王生进,丁晓青.  中国图象图形学报. 2010(05)



本文编号：3010745