基于云計(jì)算的智能交通系統(tǒng).pdf

1、隨著中國(guó)經(jīng)濟(jì)的發(fā)展和城市化的加速，我國(guó)大中城市交通情況面臨著日益嚴(yán)重的挑戰(zhàn)，交通擁堵耗費(fèi)了人們大量的寶貴時(shí)間，緊張的交通環(huán)境也導(dǎo)致交通事故的頻發(fā)，對(duì)城市居民造成了負(fù)面影響。為了緩解日益加重的交通狀況的惡化，人們開始研究適用于城市道路的智能交通系統(tǒng)，在這一旨在緩解交通壓力的智能交通系統(tǒng)中，引導(dǎo)車輛選擇合適道路的路徑誘導(dǎo)系統(tǒng)是重中之重，其算法的選擇對(duì)于整個(gè)系統(tǒng)的性能、可行性和時(shí)效性都是決定性的，所以本文旨在對(duì)路徑誘導(dǎo)算法進(jìn)行更進(jìn)一步的研究來

2、滿足交通行為的需求。在設(shè)計(jì)符合要求的路徑誘導(dǎo)算法時(shí)，必須考慮到交通問題中數(shù)據(jù)的海量性，尤其是在大中城市，無論是城市中道路的規(guī)模、道路復(fù)雜程度還是車輛數(shù)量的與日俱增，這些影響條件和動(dòng)態(tài)變化的因素也是課題的難點(diǎn)，對(duì)研究提出了更高的要求。目前人們借助于云計(jì)算技術(shù)來解決大規(guī)模問題已經(jīng)相當(dāng)普遍，為了讓本文研究的算法性能可以滿足客觀的要求，并且與傳統(tǒng)的算法相比具有更高的系統(tǒng)性能和運(yùn)行效率，本文選擇通過云計(jì)算平臺(tái)對(duì)海量數(shù)據(jù)進(jìn)行存儲(chǔ)，對(duì)大規(guī)模的海量數(shù)據(jù)

3、計(jì)算進(jìn)行并行化操作，最終設(shè)計(jì)出基于云計(jì)算的改進(jìn)蟻群算法，并移植到交通環(huán)境的運(yùn)用中。
　　本課題的研究主要包含以下幾個(gè)方面：
　?。?）了解并行化計(jì)算的特點(diǎn)和發(fā)展歷程，學(xué)習(xí)云計(jì)算的基本概念和框架，對(duì)其核心部分的工作進(jìn)行研究。包括Google云計(jì)算的三大核心技術(shù)（GFS、Map Reduce、Big Table），Hadoop平臺(tái)的核心技術(shù)（HDFS、HBase），為本文的算法并行化設(shè)計(jì)奠定理論基礎(chǔ)。
　　（2）在算法研究

4、方面，從傳統(tǒng)的最短路徑算法入手研究，并分析當(dāng)前學(xué)術(shù)領(lǐng)域和實(shí)際應(yīng)用中使用最廣泛的最短路徑算法的優(yōu)缺點(diǎn)，在此基礎(chǔ)上改進(jìn)了基本蟻群算法，對(duì)其并行化設(shè)計(jì)進(jìn)行研究，實(shí)現(xiàn)在Hadoop平臺(tái)上的運(yùn)行。
　　（3）采用交通仿真軟件對(duì)交通路網(wǎng)數(shù)據(jù)進(jìn)行處理，設(shè)計(jì)數(shù)據(jù)結(jié)構(gòu)。將交通網(wǎng)數(shù)據(jù)進(jìn)行抽象化，建立面向蟻群算法相關(guān)模型，最后在此基礎(chǔ)上實(shí)現(xiàn)了改進(jìn)的蟻群算法基于Hadoop平臺(tái)的并行化操作。
　　（4）實(shí)驗(yàn)階段在Hadoop云計(jì)算平臺(tái)上，對(duì)蟻群算法