基于云計算的智能交通系統(tǒng).pdf

1、隨著中國經(jīng)濟的發(fā)展和城市化的加速，我國大中城市交通情況面臨著日益嚴重的挑戰(zhàn)，交通擁堵耗費了人們大量的寶貴時間，緊張的交通環(huán)境也導致交通事故的頻發(fā)，對城市居民造成了負面影響。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，引導車輛選擇合適道路的路徑誘導系統(tǒng)是重中之重，其算法的選擇對于整個系統(tǒng)的性能、可行性和時效性都是決定性的，所以本文旨在對路徑誘導算法進行更進一步的研究來

2、滿足交通行為的需求。在設(shè)計符合要求的路徑誘導算法時，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，這些影響條件和動態(tài)變化的因素也是課題的難點，對研究提出了更高的要求。目前人們借助于云計算技術(shù)來解決大規(guī)模問題已經(jīng)相當普遍，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)性能和運行效率，本文選擇通過云計算平臺對海量數(shù)據(jù)進行存儲，對大規(guī)模的海量數(shù)據(jù)

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

4、方面，從傳統(tǒng)的最短路徑算法入手研究，并分析當前學術(shù)領(lǐng)域和實際應(yīng)用中使用最廣泛的最短路徑算法的優(yōu)缺點，在此基礎(chǔ)上改進了基本蟻群算法，對其并行化設(shè)計進行研究，實現(xiàn)在Hadoop平臺上的運行。
　?。?）采用交通仿真軟件對交通路網(wǎng)數(shù)據(jù)進行處理，設(shè)計數(shù)據(jù)結(jié)構(gòu)。將交通網(wǎng)數(shù)據(jù)進行抽象化，建立面向蟻群算法相關(guān)模型，最后在此基礎(chǔ)上實現(xiàn)了改進的蟻群算法基于Hadoop平臺的并行化操作。
　?。?）實驗階段在Hadoop云計算平臺上，對蟻群算法