基于Storm平台的路段行程时间估算与拥堵评价应用研究-信息与通信工程专业论文.docxVIP

独 创 性 声 明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得武汉理工大学或其他教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 签 名： 日 期： 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定， 即学校有权保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位 论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或 其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认 可的国家有关机构或论文数据库使用或收录本学位论文，并向社会 公众提供信息服务。 （保密的论文在解密后应遵守此规定） 研究生（签名）： 导师（签名）： 日期 (注：此页内容装订在论文扉页) 摘 要 应用云计算技术解决交通领域的问题是当前技术研究的一个热门趋势。在交 通领域中，由遍布城市道路各个角落的检测器和浮动车采集的数据是海量的，且 具有覆盖范围广、信息量丰富等特点，非常适合于应用大数据技术进行挖掘和实 时分析工作。在城市交通大数据技术中，利用浮动车 GPS 数据，进行路段行程时 间的实时计算和道路拥堵状态的评价，可以为基于实时路况的路径规划、行程时 间预测、道路拥堵预测等研究提供数据基础，可将有助于交通监管平台和居民及 时了解当前道路交通参数状态，提前规划出行时间和出行路径。 本文主要研究了应用云计算技术处理海量浮动车 GPS 数据，计算城市路段行 程时间和交通状态评价的方法和实现流程。本文通过对 GPS 浮动车地图匹配技术 的研究分析，提出了适用于海量数据计算的地图匹配改进方法和具体实现流程； 通过对行程时间估算方法的研究，提出了一种改进的少样本估算方法，同时探讨 了在 Storm 云平台的具体实现技术；通过对交通拥堵评价的研究分析，给出了一 种基于路段行程时间的简易评价指标，同时研究了在云平台下的实现方案。 本文所完成的研究工作主要如下： （1）系统研究了 GPS 浮动车技术中的基础技术—地图匹配技术的主要原理和方 法，分析了当前主要地图匹配方法的优点和不足，提出适用于实际大数据应用的 基于权重的改进匹配方法。为解决大量数据实时处理中的匹配效率问题，提出 GIS 路段划分方法、四网格匹配法、权重计算方法优化和利用路网拓扑结构的待 匹配路段筛选方法，同时给出了具体细节技术的实现流程。 （2）研究分析了城市交通路段行程时间估算的主要方法，在考虑实际应用中的 情况并总结各方法优劣后，提出综合时间插值法和速度-时间积分法的改进方法： 基于运行时刻和运行速度的少样本估算方法。同时在路段行程时间的估算的基础 上提出了一种新的简易拥堵评价模型。 （3）研究设计了路段行程时间实时估算以及道路拥堵评价方法在云平台中具体 算法流程和实现方案，同时应用 Storm 云平台进行了实际的程序开发和应用。 关键词：云计算，GPS 浮动车，地图匹配，行程时间估算，拥堵评价 I Abstract Solving the traffic problems in the field of application of cloud computing techno logy is a hot trend of the current technology research. In the field of transportation, by around every corner of the city road detector and floating car data is huge, and has th e characteristics of wide coverage, rich information, very suitable for application tech nology of data mining and realtime analysis. In the massive data technology of urban t ransportation, the use of GPS floating car data, realtime calculation of the link travel ti me and the evaluation of road congestion state, can be based on realtime traffic path p lanning, travel time prediction, ro