車聯(lián)網(wǎng)中數(shù)據(jù)融合的研究.pdf

1、隨著社會的發(fā)展，道路中機動車的數(shù)量也在迅速增加。與其密切相關的智能交通系統(tǒng)也在快速發(fā)展。但傳統(tǒng)智能交通系統(tǒng)存在固有的缺點:道路交通相關信息只能在特定位置被檢測，僅能獲取類似交通流量等較為簡要數(shù)據(jù);路上固定基礎設施需要耗費大力維護。已經(jīng)存在的道路識別和預測方法存在以下不足:1）所利用的數(shù)據(jù)不夠充足;2）輸入特征基本是手工提取;3）所用的學習方法次優(yōu)。本文著重研究車聯(lián)網(wǎng)中大數(shù)據(jù)融合在智能交通服務中的具體應用----道路故障檢測系統(tǒng)。車聯(lián)網(wǎng)作

2、為物聯(lián)網(wǎng)在智能交通系統(tǒng)中的具體應用，能夠使道路中的眾多車輛實現(xiàn)互通，不僅能夠使車輛節(jié)點之間進行通信，車輛與路邊單元之間也能進行通信共同實現(xiàn)車聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境下的新型智能交通信息體系。
　　本文通過結(jié)合車聯(lián)網(wǎng)中關鍵技術車載自組織網(wǎng)絡(VANET,Vehicular Ad Hoc Network)來實現(xiàn)大數(shù)據(jù)技術在交通服務系統(tǒng)中的應用。接下來根據(jù)智能交通信息服務對實時性和準確性的首要需求，將系統(tǒng)工作過程分為數(shù)據(jù)收集和數(shù)據(jù)分析兩個階段進行

3、研究分析。首先，深入研究了車聯(lián)網(wǎng)中VANET在大數(shù)據(jù)環(huán)境下所面臨的通信負載問題的相關解決方案，通過對車輛節(jié)點進行分簇，形成各個群組，設計相關通信協(xié)議以群組的傳播方法收集數(shù)據(jù)。實現(xiàn)以低通信負載來接收道路中的車輛節(jié)點信息，避免了與道路中的每一車輛進行點對點通信，這一部分對應上文所說的數(shù)據(jù)收集部分。其次，在數(shù)據(jù)分析階段利用機器學習方法實現(xiàn)相應交通服務功能。本文經(jīng)過一系列對比分析后選擇了支持向量機(SVM，Support Vector Mach

4、ine)和深度神經(jīng)網(wǎng)絡(DNN，Deep Neural Network)兩種方法，并對這兩種算法進行相應改進使其適用于本文所應用的車聯(lián)網(wǎng)的數(shù)據(jù)融合的實際問題中。在道路故障檢測系統(tǒng)中，作為一個分類問題，分別應用SVM和DNN對道路故障進行識別檢測;作為一個回歸問題，用DNN對故障位置進行判斷預測。最后，本文利用微型的交通軟件VISSIM模擬產(chǎn)生實驗所需的交通數(shù)據(jù)。并對數(shù)據(jù)進行處理以及歸一化等操作，利用本文提出的方法對道路故障進行識別和位置