车联网的道路拥堵和车辆行为数据挖掘分析

发布时间：2017-10-21 07:29

  本文关键词：车联网的道路拥堵和车辆行为数据挖掘分析

  更多相关文章： 车联网 数据挖掘 C4.5 DBSCAN

【摘要】：随着社会的快速发展和人们生活水平的提高,汽车已经是越来越多人首选的交通工具,给人们出行带来了非常大的便捷。但另一方面,汽车数量的快速增长,会给公路交通带来一定的压力,交通拥挤、交通事故等现象对人们的生活造成了不小的影响,同时也阻碍了交通运输的发展。因此,应用信息技术帮助解决上述问题具有重大意义。车联网作为物联网的分支,是智能交通系统的重要组成部分,车联网是由车辆位置、路线、车速等信息构成的庞大的网络。以计算机图像处理为核心的车牌识别技术,从路口摄像头采集的交通视频中实时提取车牌号码,并将相关交通信息存入统一的数据库中,这种依靠软件实现的车联网系统已经越来越被推崇。车联网系统所保存的海量的交通数据,其背后隐藏的潜在信息具有非常大的现实意义,利用数据挖掘技术,对海量交通数据进行科学分析,提取数据背后的知识,并将其服务于实际的车联网中,使人、车、路更为和谐。本文所做的工作如下：(1)研究图像中车牌定位、车牌字符分割、字符识别的方法。实现车联网中提取图像中的车牌区域,对倾斜校正后的车牌进行字符分割,使用基于多分类器的方法进行字符识别等过程。(2)从车联网中获得交通数据,以交通拥堵指数为依据,以杭州市延安路北到南路段为研究对象,基于C4.5算法实现交通拥堵预测的决策树。(3)在突变的采样点处对轨迹进行分段,设定轨迹数据的结构化表示形式和轨迹段的相似度定义,使用DBSCAN算法实现车辆轨迹数据的聚类分析。
【关键词】：车联网 数据挖掘 C4.5 DBSCAN
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.44;TN929.5;TP311.13
【目录】：

• 摘要4-5
• Abstract5-11
• 第1章 绪论11-17
• 1.1 课题背景11-12
• 1.2 研究现状12-14
• 1.2.1 车联网的研究现状12-13
• 1.2.2 数据挖掘的研究现状13-14
• 1.2.3 数据挖掘在车联网中的研究现状14
• 1.3 本文研究内容14-16
• 1.4 本文结构16
• 1.5 本章小结16-17
• 第2章 车联网中基于视频的车牌识别技术17-29
• 2.1 基于视频识别的车联网系统结构17-18
• 2.2 车联网中基于视频的车辆定位方法框架介绍18-22
• 2.2.1 车辆检测方法介绍19
• 2.2.2 车牌定位方法介绍19-20
• 2.2.3 车牌字符分割方法介绍20-21
• 2.2.4 车牌字符识别方法介绍21-22
• 2.3 车联网中基于视频的车牌识别实验结果22-28
• 2.3.1 车牌定位实验结果23-25
• 2.3.2 车牌字符分割实验结果25-26
• 2.3.3 车牌字符识别实验结果26-28
• 2.4 本章小结28-29
• 第3章 车联网中的数据挖掘技术29-34
• 3.1 数据挖掘的一般过程29-31
• 3.2 数据挖掘在车联网中的应用31-33
• 3.3 本章小结33-34
• 第4章 基于C4.5算法的公路拥堵预测34-46
• 4.1 交通拥堵指数简介34-35
• 4.2 杭州市交通拥堵情况简介35-37
• 4.3 车联网中交通拥堵指数的计算37-38
• 4.4 C4.5算法实现公路拥堵预测38-45
• 4.4.1 C4.5算法概要41-43
• 4.4.2 C4.5算法实验结果43-45
• 4.5 本章小结45-46
• 第5章 基于DBSCAN算法对车辆轨迹数据的聚类分析46-58
• 5.1 聚类分析简介46-48
• 5.2 DBSCAN算法介绍48-50
• 5.3 轨迹数据的结构化表示和轨迹相似度定义50-55
• 5.3.1 轨迹数据的结构化表示50-52
• 5.3.2 轨迹相似度定义52-55
• 5.4 DBSCAN算法实现车辆轨迹数据的聚类分析55-57
• 5.4.1 车辆轨迹数据准备55-56
• 5.4.2 DBSCAN算法实验结果56-57
• 5.5 本章小结57-58
• 第6章 总结与展望58-60
• 6.1 工作总结58-59
• 6.2 工作展望59-60
• 参考文献60-64
• 攻读硕士学位期间主要的研究成果64-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 黄华;;数据挖掘分析在档案管理方面的应用[J];网络安全技术与应用;2009年04期

2 徐述;;基于云计算的数据挖掘分析[J];科技信息;2012年34期

3 区晶莹;林泳雄;俞丽华;;农村突发公共卫生事件村民应急行为数据挖掘分析[J];广东农业科学;2012年22期

4 程陈;史文博;;大数据挖掘分析在地震科研中的应用[J];信息系统工程;2013年12期

5 李苓;;城市商业银行信息化发展中的数据挖掘分析[J];金融理论与实践;2006年05期

6 王雁平;乐春峡;;移动网络最差小区数据挖掘分析与实现[J];计算机工程与设计;2007年17期

7 邹晶晶;;高职院校专业能力考核信息的数据挖掘分析[J];科协论坛(下半月);2011年06期

8 刘振东;;企业电子商务中数据挖掘分析及方法论[J];煤炭技术;2012年03期

9 刘桂庆,邹立娣,李凯;入侵检测中的数据挖掘分析方法[J];合肥学院学报(自然科学版);2004年03期

10 周进;戴小鹏;夏红球;;基于作物信息的数据挖掘分析[J];湖南经济管理干部学院学报;2006年02期

中国重要会议论文全文数据库 前3条

1 王黎峰;;基于Agent的中小企业数据挖掘分析系统研究[A];中国自动化学会控制理论专业委员会A卷[C];2011年

2 凌洁;王慧;王银;;电信行业数据挖掘分析的必要性[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年

3 毛丽军;;周绍华教授抑郁症医案数据挖掘分析[A];2010中国医师协会中西医结合医师大会摘要集[C];2010年

中国重要报纸全文数据库 前1条

1 韩轩;邮政名址信息系统升级[N];中国邮政报;2007年

中国硕士学位论文全文数据库 前10条

1 戴莉莉;车联网的道路拥堵和车辆行为数据挖掘分析[D];浙江大学;2015年

2 谭维敏;广西电信数据挖掘分析设计与实施[D];北京邮电大学;2010年

3 王凤娟;咨询公司客户关系管理的数据挖掘分析[D];西南交通大学;2013年

4 尹波;聚类分析及其在移动通信企业数据挖掘分析中的应用研究[D];湖南大学;2008年

5 王修来;中国博士后综合管理信息系统研究[D];电子科技大学;2012年

6 郭昶;基于数据挖掘分析的酒业CRM系统设计与实现[D];电子科技大学;2012年

7 李桂丰;网上交易数据挖掘分析系统的设计与实现[D];山东师范大学;2014年

8 向铖;分类预测技术在移动通信企业数据挖掘分析中的应用研究[D];湖南大学;2010年

9 郭飞飞;王子瑜教授治疗产后痹的经验及数据挖掘分析[D];北京中医药大学;2013年

10 边微;名老中医周绍华教授中风病证治经验的数据挖掘分析[D];北京中医药大学;2012年

，

本文编号：1072041