首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 111 毫秒
1.
基于移动传感器与传统的基于固定传感器的交通流采集与分析方法相比,由于不受区域和天气条件的限制,以及经济、灵活、精确等特点,得到了越来越广泛的关注.但现有方法在灵活性、处理效率、精度等方面存在着很大局限性.在数据库内核实现了一种移动对象时空轨迹数据类型,采用密集采集-批量发送的数据采集方式,从而能够精确地描述移动对象在实际路网中的时空运行过程,有效地提高交通流统计分析的准确度.作为其他位置相关信息服务技术的基础,对社会救助、交通控制、警察系统具有很高应用价值.  相似文献   

2.
路伟  鲍远律  白皓 《计算机工程》2011,37(4):107-109
针对移动自组织网络在车-车间无线通信系统的应用问题,提出一种简单有效的蒙特卡洛仿真模型。通过网络仿真器NS-2构建单向均匀交通流和带激波交通流的通信场景,采用计算信息传递吞吐量和平均端到端的方法延迟来评价车-车间通信网络的性能。仿真结果表明,与连通性模型相比,该方法可得到良好的评估效果。  相似文献   

3.
目前基于浮动车的城市交通信息采集通常采用等间距进行采样,无法根据道路网络几何条件和状态的差异进行合理的采样间隔优化.针对现有采样算法的不足,本文提出了一种面向实际道路网络的浮动车采样间隔优化方法.首先通过构建四叉树模型对城市道路网络进行划分,确定空间采样分辨率,然后利用历史轨迹对浮动车的速度进行短时预测,最后在不影响空间采样分辨率的基础上实时动态优化采样间隔,在交通信息的精度与信息的采集成本之间取得平衡.通过仿真试验的定性定量分析,新算法能够在不同复杂程度的道路网络情况下动态调整采样间隔,不仅确保了采样数据的精度,而且降低了采样数据容量.  相似文献   

4.
一种用于位置数据库结构调整的增量聚类算法   总被引:3,自引:0,他引:3  
马帅  唐世渭  杨冬青  王腾蛟 《软件学报》2004,15(9):1351-1360
在移动通信网络环境中,如何合理地组织和存储移动对象的配置信息,从而有效地降低查询和更新代价是位置管理中的一个重要问题.将数据挖掘应用到移动计算环境中是一项具有挑战性的研究课题,具有广阔的应用前景.区域划分能够优化位置数据库的拓扑结构,有效地降低查询和更新代价.但是随着时间的迁移,用户的移动模式会发生改变,导致原有区域的划分与当前的移动模式不符,因此产生了动态区域划分这一亟待解决的重要问题.聚类可以很好地解决区域划分问题,而对于动态区域划分问题,如果仍然采用聚类来解决,就等于重新划分,没有充分利用原有划分的信息,所需代价很大.提出了一种增量的聚类算法来解决动态区域划分问题.该方法以较小的代价调整原有划分,使得新得到的划分仍然满足区域划分所需满足的条件.  相似文献   

5.
根据基于GPRS/GPS/GSM浮动车交通流信息采集系统实时采集的交通流瞬时速度、路段速度、车辆定位等信息,借助面向对象技术、GIS技术、数据库技术设计、开发了基于GIS的城市交通流信息发布系统,系统采用数据库中的存储过程技术处理海量交通流信息与GIS信息等数据表的多表连接,实现了高效率信息查询,并融合GIS专题地图技术和数据库技术实现浮动车辆历史轨迹动态回放、交通流路段速度查询、可视化显示。开发的系统在天津市部分路段进行试验,系统能稳定、可靠地实现交通流信息发布,并能快速有效查询城市道路交通流信息及识别城市道路网络路况瓶颈,可以辅助交通管理者进行交通管理决策。  相似文献   

6.
网络受限移动对象过去、现在及将来位置的索引   总被引:1,自引:0,他引:1  
丁治明  李肖南  余波 《软件学报》2009,20(12):3193-3204
提出了一种适合于网络受限移动对象数据库的动态轨迹R树索引结构(network-constrained moving objects dynamic trajectory R-Tree,简称NDTR-Tree).NDTR-Tree不仅能够索引移动对象的整个历史轨迹,而且能够动态地索引和维护移动对象的当前及将来位置.为了比较相关索引结构及算法的性能,进行了详细的实验.实验结果表明,与现有的基于道路网络的移动对象索引方法如MON-Tree和FNR-Tree等相比,NDTR-Tree有效地提高了对网络受限移动对象动态全轨迹的查询处理性能.  相似文献   

7.
智能交通信息物理融合云控制系统   总被引:12,自引:5,他引:7  
针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题,基于云控制系统理论,以现代智能交通控制网络为研究对象,设计了智能交通信息物理融合云控制系统方案,包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据,在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算,能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略,用于解决拥堵路段交通流分配难题,提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.  相似文献   

8.
浮动车信息处理技术研究   总被引:4,自引:1,他引:3       下载免费PDF全文
概括了浮动车技术的基本原理,重点介绍了浮动车信息处理系统的处理流程及地图匹配、路径推测和路况信息计算方法。针对GPS数据精度差、路网结构复杂等影响浮动车信息处理准确性提升的问题,给出了一系列改进型研究工作。最后,给出了评估浮动车信息处理准确性的方法,并指出了浮动车信息处理技术的后续工作。  相似文献   

9.
基于浮动车数据非参数回归短时交通速度预测   总被引:1,自引:0,他引:1  
非参数回归算法是近年来提出的一种较新型的短时交通流预测算法,为了提高预测精度,提出了基于误差反馈的预测方法.加入误差反馈机制,针对状态向量中的权值进行实时的反馈修改,得到了较满意的结果.采用成都市浮动车系统中的出租车浮动车数据对红星路二段的速度进行了预测,预测结果表明,该算法的预测精度优于无反馈的非参数回归和BP神经网络.  相似文献   

10.
基于聚类的位置数据库动态重组   总被引:2,自引:2,他引:2       下载免费PDF全文
在无线移动计算环境中,如何合理地组织和存储移动对象(mobile object)的配置信息从而有效地降低查询和更新代价是位置管理(location management)中的一个重要问题.将数据挖掘应用到移动计算环境中是一项具有挑战性的研究课题,具有广阔的应用前景.从数据挖掘的角度出发,提出了一种优化位置数据库的解决方案.首先采用一种新的层次聚类算法对移动日志聚类,然后根据聚类的结果对位置数据库动态重组,从而有效地降低了查询和更新代价.  相似文献   

11.
聚焦新形势下水资源监测预警、生态流量监测等"水利行业强监管"的要求,以及实时流量监测的迫切需要,在总结传统推流方法的基础上,基于影响流量的内在水力要素关联,通过对典型水文站共性的提取,建立流量转换模型,利用已有的实时要素监测信息,构建流量实时计算的通用算法,实现流量软在线,通过代表站分析验证,软在线成果效果较好,满足水文监测预报对流量的精度要求。依据在线成果与实测流量对比,证明参数自动识别是软在线思路的改进方向。  相似文献   

12.
一种业务流自适应尽力采样方法   总被引:2,自引:1,他引:2  
基于业务流的网络流量监测是网络管理、运维、实现基于业务的计费、流量工程等的重要手段.精确、高效的采样技术是实现高速网络流量业务流监测分析的重要技术.基于分段采样思想提出一种尽力最优的自适应随机采样方法,实现特大业务流的精确估计,其中把监测系统本身的处理能力作为选择采样概率的参数.实验结果显示算法能够很好地调节采样概率,使得采样包速率基本等于预先设定的监测系统的处理能力.  相似文献   

13.
抽样分辨率达1米的高清卫星视频已经能够实现对地面较小的运动目标的实时监控。针对卫星视频中运动车辆目标仅显示为一个或几个像素点的特点,提出了一种基于光流法的卫星视频交通流参数提取的思路与方法。该方法利用卫星视频中车辆目标为像素点的特点,结合Shi-Tomasi角点检测方法实现车辆检测及车辆计数;在车辆检测的基础上利用光流法得到的连续视频帧中角点的位置信息进行双向车辆平均车速的计算,并对实验结果进行了对比分析。该文是基于卫星视频中小微运动车辆目标进行交通流参数提取的一次有益尝试。  相似文献   

14.
高速网络流量测量方法   总被引:2,自引:1,他引:1  
周爱平  程光  郭晓军 《软件学报》2014,25(1):135-153
高速网络流量测量是目前实施实时准确地监测、管理和控制网络的基础.基于网络流量测量的应用,将网络流量测量分为抽样方法和数据流方法.从不同的层次,将抽样方法分为分组抽样和流抽样,分别介绍了两类抽样方法;从测度角度介绍了数据流方法.详细介绍了高速网络流量测量的常用数据结构,以及抽样、数据流方法在高速网络流量测量中的应用,比较了各种方法的优劣.概述了高速网络流量测量技术的研究进展.最后,就现有的网络流量测量方法的不足,对网络流量测量的发展趋势和进一步的研究方向进行了讨论.  相似文献   

15.
交通流量预测是城市道路交通信号控制中的重要组成部分。为了提高预测的准确性,基于路口视频检测器数据,提出了一种交通流量预测的交通数据分析方法。随着逐年提高的计算能力,深度学习方法进行短时交通流预测越来越流行,经典的交通流量预测方法通常只能根据被预测道路自身的数据进行分析和决策,而往往较少考虑由同一区域不同道路之间的交通流量关联性。基于城市核心路网交通数据,提出一种基于时空信息的TS-LSTM模型,并与其他经典模型进行比较,所得出的结果验证了相比其他方法而言,该模型具有较高的预测精度。  相似文献   

16.
《Computer Networks》2008,52(5):1074-1092
In this paper, a flow analysis and monitoring system based on NetFlow is introduced. The system is built on a Browser–Server framework, aimed at enterprise networks. Data collection and display are separated into two modules, which makes the system clearly demarcated and easy to deploy. The data collection module receives and analyzes NetFlow-exported packets and inserts per flow record information into the Oracle database. The display module acts as a J2EE web server, fetches real-time or history traffic information from the database and shows it to web users. In addition to the above-mentioned functions, the most important part of the system is an IDS. A real-time anomalous traffic monitoring module with a stable matching pattern algorithm and two traffic statistic based intrusion detection algorithms – one algorithm is based on variance similarity while the other is based on Euclidean distance – are embedded in the system to detect worm and other malicious attacks. With the aim of identifying anomalous network traffic simply and effectively, a proved “join” strategy is also designed along with the two traffic statistic based intrusion detection algorithms. The whole IDS module is able to run with low computational complexity and high detection accuracy. Finally, we conduct experiments to verify the performance of our system.  相似文献   

17.
Traffic flow prediction is a fundamental component in intelligent transportation systems. Various computational methods have been applied in this field, among which machine learning based methods are believed to be promising and scalable for big data. In general, most of machine learning based methods encounter three fundamental issues: feature representation of traffic patterns, learning from single location or network, and data quality. In order to address these three issues, in this work we present a deep architecture for traffic flow prediction that learns deep hierarchical feature representation with spatio-temporal relations over the traffic network. Furthermore, we design an ensemble learning strategy via random subspace learning to make the model be able to tolerate incomplete data. Accordingly the contributions of this work are summarized as the three points. First, we transform the time series analysis problem into the task of image-like analysis. Benefitting from the image-like data form, we can jointly explore spatio-temporal relations simultaneously by the two-dimension convolution operator. In addition, the proposed model can tolerate the incomplete data, which is very common in traffic application field. Finally, we propose an improved random search based on uniform design in order to optimize hyper-parameters for deep Convolutional Neural Networks (deep CNN). A large range of experiments with various traffic conditions have been performed on the traffic data originated from the California Freeway Performance Measurement System (PeMS). The experimental results corroborate the effectiveness of the proposed approach compared with the state of the art.  相似文献   

18.
Accurate and timely traffic classification is critical in network security monitoring and traffic engineering. Traditional methods based on port numbers and protocols have proven to be ineffective in terms of dynamic port allocation and packet encapsulation. The signature matching methods, on the other hand, require a known signature set and processing of packet payload, can only handle the signatures of a limited number of IP packets in real-time. A machine learning method based on SVM (supporting vector machine) is proposed in this paper for accurate Internet traffic classification. The method classifies the Internet traffic into broad application categories according to the network flow parameters obtained from the packet headers. An optimized feature set is obtained via multiple classifier selection methods. Experimental results using traffic from campus backbone show that an accuracy of 99.42% is achieved with the regular biased training and testing samples. An accuracy of 97.17% is achieved when un-biased training and testing samples are used with the same feature set. Furthermore, as all the feature parameters are computable from the packet headers, the proposed method is also applicable to encrypted network traffic.  相似文献   

19.
研究测量分析网络内部链路延迟特征对了解网络行为至关重要,但当前地面网络延迟监测算法应用于卫星网络时存在诸多不准确问题,为此提出了一种面向卫星网络的延迟监测算法,它结合主动监测和被动监测的优点,采用统计分析方法测量卫星网络系统的报文流延迟分布特征。通过理论分析证明了算法的数学基础,并在网络仿真软件NS2下通过高、低轨道卫星网络模型对算法进行了仿真实验,实验结果表明,算法能够在较小的开销下解决卫星网络的延迟推测问题。  相似文献   

20.
一种改进的自适应流量采样方法   总被引:1,自引:0,他引:1  
高速链路对实时网络流量监测提出挑战.由于流量采集分析设备性能的限制,采用精确、高效的采样方法进行流量监测分析已成为必然.最简单的固定概率采样能监测较大业务流,但往往忽略掉比例几乎超过80%的较小业务流.数据流算法可以实时高效采集高速链路数据,基于该算法的SGS(sketch guided sampling)采样技术可以实时准确估计流大小分布,但当采样速率增大到监测系统处理能力最大值时,该方法的准确性迅速降低.基于SGS方法,提出一种自适应实时网络流量的采样方法SRGS(sketch and resources guided sampling).该方法将监测系统处理能力作为采样概率调节的一个重要参数.实验结果显示,SRGS方法能够及时根据当前流大小和监测系统处理能力,调节数据包采样概率,准确性高于SGS方法.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号