基于流数据的离散域路径规划研究

基于流数据的离散域路径规划研究

论文摘要

离散域范围内的路径规划是在复杂的路径拓扑网络定位起始点和目标点,而后运用路径搜索方法进行路径寻优规划的过程。伴随拓扑网络的节点趋于指数增长,传统基于图形学的路径优化算法已逐渐展现疲态,难以适应复杂多变的路径拓扑网络。因而在路径寻优方向的研究是不可或缺的。本文将以网络拓扑构建为切入点,获取网络拓扑路径实时状态,动态计算权值信息,据此完成整个路径寻优过程。具体地,本文的主要研究方向如下:(1)研究网络拓扑结构构造方法。本文通过对网络拓扑特征的剖析,依据图形学方法定义节点间的关系,引入分层架构简化数据存储,使用链式存储结构简化节点结构。根据网络环境完成节点、路径、连通强度的定义,实现网络拓扑架构的构建过程。(2)研究基于流数据的状态判别算法。流数据相较于静态数据,可能包含更多的无关或冗余特征。本文在流特征分析的基础上,提出一种基于多模型融合的状态判别算法,算法能够对流数据中出现的数据错误进行甄别并进行修正。接着算法会自动选择与状态判断相关度高的特征,删除与状态判别相关度低甚至冗余特征,然后基于流特征属性进行多特征聚类,利用相似性原理将对流特征属性进行分门别类,将流数据实例划分为多个存在明显差别的子实例。最后,建立实时分类模型,对流入模型内部的数据做出快速的响应,在有限时间内完成对流数据的分类过程,避免出现由于计算复杂度过大而导致大范围的数据排队及阻塞。(3)研究传统路径规划算法,归纳总结传统方法中存在的缺陷及不足,依照缺陷及不足,优化传统路径规划算法空间结构,降低算法复杂度,提出一种Linked-Dijkstra方法,使其能够应用至复杂的网络环境中。(4)结合高速公路交通流数据,构建基于高速公路的路网拓扑结构,获取路网内道路实时交通状态,完成车辆路径诱导过程。通过在真实的网络拓扑结构上进行对比实验,表明本文提出的方法能够应用至复杂的网络拓扑结构中。引入链式存储的网络拓扑结构在自适应性能优于其他结构,基于多模型的融合的状态判别能够有效实时路径状态,Linked-Dijkstra算法在复杂度上明显由于传统方法。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究现状
  •   1.3 研究内容
  •   1.4 论文结构安排
  • 第二章 流数据理论技术概述
  •   2.1 流数据概述
  •     2.1.1 流数据定义
  •     2.1.2 流数据特点
  •     2.1.3 流数据挖掘
  •   2.2 交通流概述
  •     2.2.1 交通流参数
  •     2.2.2 交通流理论
  •   2.3 道路交通状态
  •   2.4 本章小结
  • 第三章 网络拓扑结构构建
  •   3.1 网络拓扑结构
  •   3.2 拓扑信息存储
  •     3.2.1 存储结构
  •     3.2.2 数据存储
  •   3.3 网络拓扑构建
  •     3.3.1 节点获取
  •     3.3.2 路段获取
  •     3.3.3 连通强度
  •     3.3.4 路网拓扑
  •   3.4 本章小结
  • 第四章 基于多模型融合的状态判别算法
  •   4.1 算法流程
  •   4.2 数据预处理
  •     4.2.1 数据错误
  •     4.2.2 数据标准化
  •   4.3 特征选择
  •   4.4 多特征聚类
  •   4.5 实时分类
  •   4.6 算法验证
  •   4.7 本章小结
  • 第五章 基于动态权值的离散域路径规划
  •   5.1 传统路径规划算法
  •   5.2 动态路径权值
  •     5.2.1 路径权值确定依据
  •     5.2.2 路径权值计算方法
  •   5.3 路径规划算法改进
  •   5.4 算法验证
  •   5.5 本章小结
  • 第六章 车辆路径规划应用
  •   6.1 应用架构
  •   6.2 系统展示
  •     6.2.1 web系统
  •     6.2.2 车辆路径规划APP
  • 第七章 总结与展望
  •   7.1 本文总结
  •   7.2 未来展望
  • 致谢
  • 参考文献
  • 攻读硕士学位期间取得的成果
  • 文章来源

    类型: 硕士论文

    作者: 张雪岩

    导师: 张凤荔

    关键词: 路径规划,流数据,拓扑构建,状态判别,多特征聚类

    来源: 电子科技大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 数学,公路与水路运输,计算机软件及计算机应用

    单位: 电子科技大学

    分类号: U491.112;TP301.6;O157.5

    总页数: 80

    文件大小: 6500K

    下载量: 29

    相关论文文献

    • [1].面向流数据的实时处理及服务化系统[J]. 重庆大学学报 2020(07)
    • [2].基于决策树的流数据分类算法综述[J]. 西北民族大学学报(自然科学版) 2020(02)
    • [3].流数据边缘处理探讨[J]. 信息通信 2020(08)
    • [4].一种基于流数据处理的预警系统设计[J]. 电脑知识与技术 2019(30)
    • [5].基于部分重编码的流数据发布隐私保护算法[J]. 吉林大学学报(理学版) 2018(01)
    • [6].基于流数据的网络监控系统设计[J]. 重庆科技学院学报(自然科学版) 2016(04)
    • [7].一种面向流数据频繁项挖掘的降载策略[J]. 计算机应用研究 2011(04)
    • [8].流数据和传统数据存储及管理方法比较研究[J]. 计算机技术与发展 2009(04)
    • [9].流数据管理降载技术研究综述[J]. 中国管理信息化 2009(21)
    • [10].流数据复杂聚类查询处理算法[J]. 南京航空航天大学学报 2009(06)
    • [11].流数据的连续查询优化技术[J]. 计算机应用研究 2008(01)
    • [12].利用点击流数据提供个性化信息服务的模式研究[J]. 安徽农业科学 2008(02)
    • [13].一类流数据的抽样及其存储方法研究[J]. 统计与信息论坛 2018(10)
    • [14].流数据环境下基于分歧策略的高效能集成学习[J]. 计算机工程与应用 2016(13)
    • [15].面向大规模流数据的可扩展分布式实时处理方法[J]. 青岛科技大学学报(自然科学版) 2016(05)
    • [16].流数据概念漂移的检测算法[J]. 控制与决策 2013(01)
    • [17].浅析金融数据库系统中的流数据处理[J]. 信息与电脑(理论版) 2013(02)
    • [18].一种基于层次聚类的流数据挖掘方法[J]. 太原师范学院学报(自然科学版) 2008(04)
    • [19].基于流数据的模糊聚类算法[J]. 计算机应用与软件 2008(02)
    • [20].一种面向流数据的分布式实时存储方法[J]. 电脑知识与技术 2015(19)
    • [21].一种基于信息熵的多维流数据噪声检测算法[J]. 计算机科学 2012(02)
    • [22].一种流数据多播接口的设计、实现与应用[J]. 集成技术 2012(01)
    • [23].分布式流数据频繁项发现算法的研究[J]. 计算机应用 2008(01)
    • [24].可伸缩的重复流数据检测方法[J]. 系统工程与电子技术 2008(02)
    • [25].Web站点的点击流数据分析方法的设计与实现[J]. 信息与电脑(理论版) 2019(16)
    • [26].面向流数据的分布式时序同步系统的设计与实现[J]. 软件 2017(02)
    • [27].流数据聚类研究综述[J]. 科技广场 2010(01)
    • [28].差分隐私流数据自适应发布算法[J]. 计算机研究与发展 2017(12)
    • [29].基于分布式流数据的在线汇聚与统计[J]. 数字技术与应用 2018(09)
    • [30].面向流数据的演化聚类算法[J]. 武汉大学学报(理学版) 2017(05)

    标签:;  ;  ;  ;  ;  

    基于流数据的离散域路径规划研究
    下载Doc文档

    猜你喜欢