面向交管大数据分析的框架设计及业务模型调度优化研究
这是一篇关于交通管理,大数据分析,调度优化,增量计算的论文, 主要内容为随着互联网技术和现代信息产业的飞速发展,交通管理部门采集数据的渠道越来越多,数据量越来越大,数据种类繁杂,如何在海量数据中通过分析研判和数据关联碰撞,挖掘有价值的潜在信息,辅助交管部门对城市交通做出准确的决策是当下亟需解决的问题。交管数据往往与空间属性相关,而传统分析型数据库大都缺乏空间分析功能;传统GIS平台虽然具有较为强大的空间分析能力,但受限于单机架构,单机处理性能成为瓶颈,时空大数据的处理效率低下;因此在调研了传统大数据分析工具和交管数据特点的基础上,选择了Clickhouse分布式列式数据库和Spark计算引擎来构建大数据分析框架,通过构建业务模型的方式为交管部门提供业务分析能力。本文在分析了Clickhouse和Spark各自的优劣后,以虚拟表为桥梁,构建了Clickhouse和Spark混合计算框架,通过Clickhouse提供丰富的分析函数、高效的读写能力,通过Spark RDD的可拓展性提供空间分析能力,并详细设计了交管业务模型中业务算子的结构和处理流程。在混合计算框架的基础上,结合交管数据特点和实际分析需求,针对业务模型的创建、定时执行分别进行了调度优化设计。通过共享应用池对业务模型的创建进行了并发优化,在保证用户体验的基础上,服务更多地分析人员;对于业务模型的定时执行需求,从业务模型的整体和算子层面分别设计了结果集时序分析优化方法和基于DAG的分支优化方法,旨在减少冗余计算,提高业务模型分析效率。在混合计算框架的基础上,分析了交管动态数据的特点,针对轨迹数据、卡口拍照数据等同步方式为增量追加的数据表通过增量计算技术进行计算优化。提出了增量计算的概念与模型,并在数据库层面进行了增量计算设计;根据增量计算合并函数的不同,将业务算子分为了Append型算子和Update型算子,并对典型增量算子的计算原理进行了详细介绍;最后从增量计算框架层面出发,介绍了SQL逻辑合并和缓存规则的相关设计。实验结果表明,在数据规模较大时,混合计算框架的计算效率相对于传统数据库提升明显;基于DAG的分支优化方法对于业务模型的定时执行具有一定的提升效果;增量计算从根本上减少了参与计算的数据量,在数据规模较大时能够明显地缩短计算时间,计算效率显著提升。
基于J2EE的交通管理信息系统的设计与实现
这是一篇关于J2EE,JSP,JavaBean,交通管理,信息系统,决策支持的论文, 主要内容为本论文的题目是《基于J2EE的交通管理信息系统的设计与实现》。主要内容包括：软件体系结构发展概述， J2EE模型介绍，并提出了基于J2EE的系统设计总体方案，随后详细叙述了科教管理子系统的开发和应用情况，具体介绍了系统各个模块的设计和模块中关键技术实现。最后对决策支持子系统进行分析和阐述。在结论部分，分析了系统的不足之处及有待改善的地方。 目前，辽宁省交通厅机关的计算机设备、综合布线和内部网络建设已经初步完成，部分专业应用软件（如财务管理软件、人事管理软件等）已经在不同程度上得到推广使用。但是，由于应用范围有限，往往体会不到计算机网络的真正使用价值，尤其是对自己的日常工作帮助不大。 项目组对现有业务流程进行实地调查、汇总与分析后，结合当前信息化应用现状，做出切合实际和符合发展需求的分析。在此基础上，充分借鉴国内外相关系统的优点，总结以往的开发经验，利用先进的J2EE平台，设计了基于J2EE的管理信息系统。 一、软件体系结构的发展 传统的应用软件开发体系结构主要有两种：C/S(客户机/服务器)模式和B/S(浏览器/服务器)模式。在这两种模式下，客户端程序一般由应用程序以及相应的数据库连接组成，主要完成处理与用户的交互，服务器完成的主要功能是根据客户端的请求进行数据库系统的操作，然后将操作结果返回给客户端。 两层模型当时曾经具有创新意义。但是，随着客户机-服务器模型成长到能付诸使用，就出现了对服务器可伸缩性和对客户机代码大小和复杂性的关注。为处理两层体系结构的限制，于是提出了多层体系结构。 多层应用体系结构就是传统的两层结构的客户端与数据库之间加入一层──中间层。这些中间层提供了把商业功能和数据与企业信息系统相结合的功能；它们把客户端从复杂的业务逻辑中分离出来，利用成熟的互联网技术使用户在管理上所花费的时间最小化。 多层应用主要有以下几点好处： 1.具有灵活的硬件系统构成 2.提高程序的可维护性 3.利于变更和维护应用技术规范 4.进行严密的安全管理
基于J2EE的交通管理信息系统的设计与实现
这是一篇关于J2EE,JSP,JavaBean,交通管理,信息系统,决策支持的论文, 主要内容为本论文的题目是《基于J2EE的交通管理信息系统的设计与实现》。主要内容包括：软件体系结构发展概述， J2EE模型介绍，并提出了基于J2EE的系统设计总体方案，随后详细叙述了科教管理子系统的开发和应用情况，具体介绍了系统各个模块的设计和模块中关键技术实现。最后对决策支持子系统进行分析和阐述。在结论部分，分析了系统的不足之处及有待改善的地方。 目前，辽宁省交通厅机关的计算机设备、综合布线和内部网络建设已经初步完成，部分专业应用软件（如财务管理软件、人事管理软件等）已经在不同程度上得到推广使用。但是，由于应用范围有限，往往体会不到计算机网络的真正使用价值，尤其是对自己的日常工作帮助不大。 项目组对现有业务流程进行实地调查、汇总与分析后，结合当前信息化应用现状，做出切合实际和符合发展需求的分析。在此基础上，充分借鉴国内外相关系统的优点，总结以往的开发经验，利用先进的J2EE平台，设计了基于J2EE的管理信息系统。 一、软件体系结构的发展 传统的应用软件开发体系结构主要有两种：C/S(客户机/服务器)模式和B/S(浏览器/服务器)模式。在这两种模式下，客户端程序一般由应用程序以及相应的数据库连接组成，主要完成处理与用户的交互，服务器完成的主要功能是根据客户端的请求进行数据库系统的操作，然后将操作结果返回给客户端。 两层模型当时曾经具有创新意义。但是，随着客户机-服务器模型成长到能付诸使用，就出现了对服务器可伸缩性和对客户机代码大小和复杂性的关注。为处理两层体系结构的限制，于是提出了多层体系结构。 多层应用体系结构就是传统的两层结构的客户端与数据库之间加入一层──中间层。这些中间层提供了把商业功能和数据与企业信息系统相结合的功能；它们把客户端从复杂的业务逻辑中分离出来，利用成熟的互联网技术使用户在管理上所花费的时间最小化。 多层应用主要有以下几点好处： 1.具有灵活的硬件系统构成 2.提高程序的可维护性 3.利于变更和维护应用技术规范 4.进行严密的安全管理
交通管理非现场执法系统设计与开发
这是一篇关于非现场执法,交通管理,电子警察的论文, 主要内容为随着电子技术的发展,诸多高科技交通违法抓拍设备得到快速应用,从而在一定程度上缓解了城市交通管理压力。但经过多年交通管理系统智能化建设后,多系统、多品牌设备造成数据不兼容、存储分散、查询统计困难等问题普遍存在。因此,亟需设计开发一种综合性交通管理非现场执法系统,整合各种传统的非现场执法子系统,统一接口,使交通管理变得更加智能和高效。在国内外研究现状和需求分析的基础上,对交通管理非现场执法系统功能和非现场工作流程进行梳理。根据浙江省对各地非现场执法系统的统一建设要求,结合杭州交警支队应用实例,对原有电子警察系统、工控机抓拍等孤立的违法处理系统进行整合,考虑兼容性和扩展性,设计并开发了交通管理非现场执法系统,较好保证了违法数据的安全性和可靠性,同时提高了交警非现场执法工作效率。本文主要工作和成果概括如下:1、在国内外城市交通非现场执法现状分析的基础上,分析归纳出现有违法处理系统存在的瓶颈问题,根据国家安全法规、上级行政部门的建设要求,针对交警部门非现场执法系统的不足,展开调研和需求分析。2、基于Webwork+Spring+Hibernate框架,设计开发交通管理非现场执法系统服务端,其中数据库采用Oracle9i实现海量的大数据存储;基于JSP+JavaScript+CSS+AJAX设计开发非现场执法系统客户端,提高用户体验。3、系统提供统一的Web Service接口,实现违法信息采集和共享。对系统进行详细设计,实现了以下主要功能:设备统一管理、系统后台管理、用户安全管理、数据采集和查询统计分析报表功能。4、在实际应用中验证了交通管理非现场执法系统整体构架及主要功能的有效性和实用性,实现了交通违法大数据的集中存储和共享,节省了大量数据人工转存时间,从而提高了一线违法处理的工作效率。
基于深度学习的夜间交通信号灯识别研究
这是一篇关于交通管理,交通信号灯识别,深度学习,生成对抗网络,YOLOv5s的论文, 主要内容为交通信号灯识别是交通管理、自动驾驶和辅助驾驶等领域中重要的组成部分,获取准确实时的交通信号灯信息,可以降低交通事故的发生,提高交通运行效率。然而目前的交通信号灯识别主要集中在白天,针对背景更加复杂、干扰光源多的夜间场景的研究较少,并且现有模型针对夜间交通信号灯的识别精确度低、速度慢。针对以上问题,本文提出了一种基于深度学习的夜间交通信号灯识别方法,主要研究内容如下:首先,针对夜间交通信号灯数据样本少以及天气条件单一等问题,本文提出了一种基于Cycle GAN(Cycle-Consistent Generative Adversarial Networks)的夜间交通信号灯数据集扩充方案。设计了三组实验,分别是晴天转雨天、晴天转雾天、晴天转雪天。实验结果表明,本文基于Cycle GAN模拟出的不同天气下夜间交通信号灯图像画质清晰、内容完整,构建的Night TS-3Plus(Night Traffic Signal-3Plus)数据集有效解决了夜间不同天气交通信号灯样本不均衡的问题,为后续实验提供充分的数据支撑。其次,针对夜间交通信号灯图像噪声大、受背景干扰程度高等问题,以YOLOv5s＿5.0(You Only Look Once version5s＿5.0)为基准模型,提出了一种增加注意力机制的方案,将噪声造成的干扰控制在尽可能小的范围,进而提升了模型对夜间交通信号灯的关键特征的关注度,使其在夜间交通信号灯被遮挡的情况下也能实现精准识别。再次,针对夜间交通信号灯本身不具备高分辨率导致无法提供细节特征信息等问题,以YOLOv5s＿5.0为基准模型,提出了两种改进方案:一是增加特征图分辨率,通过删减大尺寸检测头并增加微小尺寸检测头,提高了模型对夜间交通信号灯的敏感性。二是优化特征融合结构。反复下采样会导致丢失夜间交通信号灯的关键特征信息,通过优化Bi FPN特征融合网络,可以有效融合来自不同尺度的特征图,从而提高了模型对夜间交通信号灯的感知度,进而获取更多的有效信息,提高夜间交通信号灯识别的精确度。最后,为验证本文所提出的YOLOv5s＿NightTS模型的有效性,搭建实验平台并选择相应的软硬件环境以及评价指标。在此基础上,设计了不同模型间横向对比实验和不同天气下纵向对比试验,对实验结果数据进行可视化处理和记录,以便后续深入分析与研究。实验结果表明,本文提出的YOLOv5s＿Night TS模型的m AP(mean Average Precision)达96.01%,F1 score为0.92,识别速度达36 f/s,Loss函数稳步下降并趋于收敛,基本满足夜间交通信号灯识别的精确度和实时性要求。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://bishedaima.com/lunwen/47309.html
