基于云平臺的車輛運行狀態(tài)并行處理系統(tǒng).pdf

1、隨著全球信息化的迅猛發(fā)展，道路交通相關(guān)管理部門和運輸企業(yè)普遍建成了道路運輸管理信息系統(tǒng)，這些系統(tǒng)運行過程中積累了大量關(guān)于車輛運行狀況數(shù)據(jù)，這些信息主要包括車輛行駛過程中采集的運行狀態(tài)信息，比如發(fā)動機轉(zhuǎn)速、車速、加速度等，這些數(shù)據(jù)主要反映的是車輛的實時運行狀況。如何對這些數(shù)據(jù)進行挖掘分析，辨識車輛運行狀態(tài)以及提取車輛運行規(guī)律，從而為運輸企業(yè)、相關(guān)職能部門實現(xiàn)車輛運行過程監(jiān)控管理提供技術(shù)手段和決策依據(jù)，具有重要的應(yīng)用價值和現(xiàn)實意義。

2、　　本文在實現(xiàn)采集并傳輸車輛實時運行狀態(tài)信息基礎(chǔ)上，利用OBD技術(shù)接收車輛運行狀態(tài)數(shù)據(jù);研究利用Kmeans聚類分析等數(shù)據(jù)挖掘方法對接收并存儲的海量車輛運行狀態(tài)數(shù)據(jù)進行處理分析，從車輛行駛過程中的發(fā)動機轉(zhuǎn)速、油耗等運行參數(shù)數(shù)據(jù)中挖掘出車輛運行技術(shù)狀態(tài);研究利用神經(jīng)網(wǎng)絡(luò)模型等數(shù)學(xué)分析方法對接收并存儲的海量車輛運行狀態(tài)數(shù)據(jù)進行處理分析，從車輛行駛過程中的轉(zhuǎn)矩、加速踏板和指示燈等運行參數(shù)數(shù)據(jù)中挖掘出駕駛員的駕駛行為，本文的綜合研究成果可以為道

3、路運輸管理部門和運輸企業(yè)實現(xiàn)安全監(jiān)管提供有效的技術(shù)支持。本文的研究內(nèi)容主要包括:
　　1)研究基于車輛狀態(tài)數(shù)據(jù)的云平臺技術(shù)。研究云平臺技術(shù)，對云平臺技術(shù)的部署模型、服務(wù)模型和核心技術(shù)進行研究?；谄脚_技術(shù)理論，結(jié)合服務(wù)器等硬件設(shè)施，對傳統(tǒng)車輛狀態(tài)監(jiān)控平臺進行分析，設(shè)計基于車輛狀態(tài)數(shù)據(jù)的云平臺系統(tǒng)。
　　2)研究基于云平臺的并行處理軟件框架。基于云平臺技術(shù)、結(jié)合云平臺服務(wù)模型及并行處理思想，研究與設(shè)計基于車輛狀態(tài)數(shù)據(jù)的云平臺并

4、行處理框架。研究基于云平臺的數(shù)據(jù)傳輸技術(shù)與基于云平臺的數(shù)據(jù)存儲技術(shù)?；诓⑿袛?shù)據(jù)傳輸與存儲技術(shù)，研究基于MapReduce的資源調(diào)度技術(shù)。
　　3)研究基于MapReduce并行處理框架的數(shù)據(jù)挖掘技術(shù)。研究并行處理技術(shù)的編程模型、體系架構(gòu)和作業(yè)調(diào)度技術(shù)。基于并行處理框架研究數(shù)據(jù)挖掘技術(shù)，研究Kmeans聚類算法。研究基于MapReduce并行處理框架的Kmeans聚類算法，結(jié)合MapReduce并行處理框架進行Kmeans聚類算法

5、的性能分析，研究概率神經(jīng)網(wǎng)絡(luò)模型原理，針對概率神經(jīng)網(wǎng)絡(luò)處理大規(guī)模數(shù)據(jù)集效率低下的問題，結(jié)合基于MapReduce并行處理框架的Kmeans聚類算法構(gòu)建Kmeans-PNN神經(jīng)網(wǎng)絡(luò)模型。
　　4)基于云平臺的車輛狀態(tài)處理系統(tǒng)的實現(xiàn)與評估。結(jié)合車輛狀態(tài)數(shù)據(jù)特征，基于MapReduce軟件框架搭建云平臺系統(tǒng)。結(jié)合MapReduce框架實現(xiàn)并行Kmeans數(shù)據(jù)挖掘算法，對基于車輛狀態(tài)數(shù)據(jù)的Kmeans數(shù)據(jù)挖掘效果進行分析與評估。基于Kme