高速公路联网大数据的分析与应用研究
发布时间：2021-04-07 16:43
随着我国高速公路建设中各类数据采集设备和技术的广泛部署和应用,源源不断地产生了大量反映高速公路路网运行状态的数据,然而很多数据分散于不同应用系统,使得这些数据的利用率还较低。近年来,在大数据背景下,高速公路管理和运营部门已逐渐重视和开展了高速公路多源数据的共享工作,因此同时也对高速公路大数据分析和应用提出了综合性更高、专业性更强的要求。本文基于对高速公路联网运行中产出的大数据和当前主要分析应用工作的调研分析,开展了以下三方面的研究工作:1.围绕高速公路多源数据综合分析特别是描述性分析的需求,从点、线、面和不同时间粒度及分析对象等维度,提出一个层次化的高速公路联网大数据多维分析体系,从时间、空间、对象等方面定义了分析项、数据来源、计算方法、分析结果等信息,并基于Hadoop和ECharts设计实现了一个可灵活配置的多维数据分析及可视化系统,系统可允许用户对分析项进行自主配置,并以可视化方式展示分析结果。2.针对高速公路流量预测性分析的需求,基于联网收费数据设计了一种基于时空相关性分析的短时交通流量预测模型。首先针对高速公路路网站点间交通流可能存在的时空相关特性,提出了时空相关系数的概念,...
【文章来源】：北方工业大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
Hadoop组件架
个Ｍａｐ任务和Ｒ个Ｒｅｄｕｃｅ任务。Ｍａｐ与Ｍａｐ之不同的原始数据进行特定的处理，实现并行化的中间结果进行合并，最终形成完整的结果建立在ＨＤＦＳ之上，提供高可靠性、高性能、系统：２？。ＨＢａｓｅ介于ＮｏＳＱＬ和ＲＤＢＭＳ之间，列组成，其中行健（ｒｏｗ?ｋｅｙ）作为一条记族（Ｃｏｌｕｍｎ?ｆａｍｉｌｙ），同一个列族的所有成员ｅｓｔａｍｐ）来标识相同数据的不同版本。??键（ｒｏｗ?ｋｅｙ）和主键的ｒａｎｇｅ来检索数据，持来实现多表ｊｏｉｎ等复杂操作）：２８］。主要用据。ＨＢａｓｅ具有良好的弹性伸缩性，自底向节点来达到线性扩展。??
－丨用户定制查询??图３－１高速公路联网大数据多维分析体系??如图３－１所示，空间上，从点、线、面不同的角度出发，将高速公路路网划??分为收费站、路段、区域三个度量，用户可以选择单个考察点，也可以选择多个??考察点进行对比，来分析交通流在空间上的分布规律。时间维度上
【参考文献】：
期刊论文
[1]短期高速公路交通流量预测方法研究[J]. 林蕾,舒勤. 计算机仿真. 2017(03)
[2]深度科普:云计算,智慧城市的大脑与基石[J]. 竺松涛. 杭州科技. 2016(04)
[3]基于组合模型的短时交通流量预测算法[J]. 芮兰兰,李钦铭. 电子与信息学报. 2016(05)
[4]中国城市智能交通系统产业化发展趋势[J]. 李正熙. 自动化博览. 2015(07)
[5]基于灰色系统和神经网络的实时交通量预测组合模型研究[J]. 杨志勇. 公路. 2015(03)
[6]分车型的高速公路短时交通流量预测方法研究[J]. 周桐,杨智勇,孙棣华,魏方强. 计算机应用研究. 2015(07)
[7]公路网智能养护技术及系统协同创新平台助力养护智能化发展 让公路“保养”更智能![J]. 崔丽媛. 交通建设与管理. 2014(23)
[8]中国工业碳排放及其影响因素灰色预测分析——基于STIRPAT模型[J]. 任晓松,赵国浩. 北京交通大学学报(社会科学版). 2014(04)
[9]高速公路大数据处理现状与挑战[J]. 杨仁怀,郎川萍,刘文美. 计算机系统应用. 2014(09)
[10]改进时间序列模型在高速公路短时交通流量预测中的应用[J]. 唐毅,刘卫宁,孙棣华,魏方强,余楚中. 计算机应用研究. 2015(01)
博士论文
[1]基于实时数据的道路网短时交通流预测理论与方法研究[D]. 姚智胜.北京交通大学 2007
硕士论文
[1]基于支持向量机的高速公路物流量预测研究[D]. 杨健.昆明理工大学 2017
[2]在线近似多线性主成分分析[D]. 吴珍.华南理工大学 2016
[3]基于收费站大数据的高速公路运输量预测研究[D]. 张磊.长安大学 2016
[4]数据挖掘在高速公路防逃费中的应用研究[D]. 陈波.华南理工大学 2014
[5]高速公路联网收费数据多维分析系统研究[D]. 张国芳.长安大学 2014
[6]基于联网收费数据的交通流特性分析及应用[D]. 孙德强.华南理工大学 2014
[7]基于神经网络的短时交通流量预测研究[D]. 吴凯.南京邮电大学 2013
[8]基于Hadoop的并行谱聚类算法实现[D]. 李志闯.华南理工大学 2012
[9]基于高速公路收费站数据的交通流量多维分析技术研究[D]. 万金朋.重庆大学 2012
[10]基于灰色预测模型的短期交通流预测研究[D]. 蔡岩.西南交通大学 2009
本文编号：3123820
【文章来源】：北方工业大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
Hadoop组件架
个Ｍａｐ任务和Ｒ个Ｒｅｄｕｃｅ任务。Ｍａｐ与Ｍａｐ之不同的原始数据进行特定的处理，实现并行化的中间结果进行合并，最终形成完整的结果建立在ＨＤＦＳ之上，提供高可靠性、高性能、系统：２？。ＨＢａｓｅ介于ＮｏＳＱＬ和ＲＤＢＭＳ之间，列组成，其中行健（ｒｏｗ?ｋｅｙ）作为一条记族（Ｃｏｌｕｍｎ?ｆａｍｉｌｙ），同一个列族的所有成员ｅｓｔａｍｐ）来标识相同数据的不同版本。??键（ｒｏｗ?ｋｅｙ）和主键的ｒａｎｇｅ来检索数据，持来实现多表ｊｏｉｎ等复杂操作）：２８］。主要用据。ＨＢａｓｅ具有良好的弹性伸缩性，自底向节点来达到线性扩展。??
－丨用户定制查询??图３－１高速公路联网大数据多维分析体系??如图３－１所示，空间上，从点、线、面不同的角度出发，将高速公路路网划??分为收费站、路段、区域三个度量，用户可以选择单个考察点，也可以选择多个??考察点进行对比，来分析交通流在空间上的分布规律。时间维度上
【参考文献】：
期刊论文
[1]短期高速公路交通流量预测方法研究[J]. 林蕾,舒勤. 计算机仿真. 2017(03)
[2]深度科普:云计算,智慧城市的大脑与基石[J]. 竺松涛. 杭州科技. 2016(04)
[3]基于组合模型的短时交通流量预测算法[J]. 芮兰兰,李钦铭. 电子与信息学报. 2016(05)
[4]中国城市智能交通系统产业化发展趋势[J]. 李正熙. 自动化博览. 2015(07)
[5]基于灰色系统和神经网络的实时交通量预测组合模型研究[J]. 杨志勇. 公路. 2015(03)
[6]分车型的高速公路短时交通流量预测方法研究[J]. 周桐,杨智勇,孙棣华,魏方强. 计算机应用研究. 2015(07)
[7]公路网智能养护技术及系统协同创新平台助力养护智能化发展 让公路“保养”更智能![J]. 崔丽媛. 交通建设与管理. 2014(23)
[8]中国工业碳排放及其影响因素灰色预测分析——基于STIRPAT模型[J]. 任晓松,赵国浩. 北京交通大学学报(社会科学版). 2014(04)
[9]高速公路大数据处理现状与挑战[J]. 杨仁怀,郎川萍,刘文美. 计算机系统应用. 2014(09)
[10]改进时间序列模型在高速公路短时交通流量预测中的应用[J]. 唐毅,刘卫宁,孙棣华,魏方强,余楚中. 计算机应用研究. 2015(01)
博士论文
[1]基于实时数据的道路网短时交通流预测理论与方法研究[D]. 姚智胜.北京交通大学 2007
硕士论文
[1]基于支持向量机的高速公路物流量预测研究[D]. 杨健.昆明理工大学 2017
[2]在线近似多线性主成分分析[D]. 吴珍.华南理工大学 2016
[3]基于收费站大数据的高速公路运输量预测研究[D]. 张磊.长安大学 2016
[4]数据挖掘在高速公路防逃费中的应用研究[D]. 陈波.华南理工大学 2014
[5]高速公路联网收费数据多维分析系统研究[D]. 张国芳.长安大学 2014
[6]基于联网收费数据的交通流特性分析及应用[D]. 孙德强.华南理工大学 2014
[7]基于神经网络的短时交通流量预测研究[D]. 吴凯.南京邮电大学 2013
[8]基于Hadoop的并行谱聚类算法实现[D]. 李志闯.华南理工大学 2012
[9]基于高速公路收费站数据的交通流量多维分析技术研究[D]. 万金朋.重庆大学 2012
[10]基于灰色预测模型的短期交通流预测研究[D]. 蔡岩.西南交通大学 2009
本文编号：3123820
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3123820.html
