5篇关于智慧交通的计算机毕业论文

今天分享的是关于智慧交通的5篇计算机毕业论文范文, 如果你的论文涉及到智慧交通等主题,本文能够帮助到你

基于大数据技术的路面结构数据管理平台的设计与实现

这是一篇关于智慧交通,大数据,Netty,Kafka的论文, 主要内容为在新基建的时代背景下,我国提出了交通强国的重大战略,并开始大量布局智慧交通基础设施,赋予了传统交通基础设施精准感知、精确分析的内涵。“聪明的路”是交通强国建设的有力支撑,同时现行规范将路面结构内部力学响应作为道路设计、评价和养护的重要指标,这就需要工作人员全面、精准地获取路面内部的力学响应数据,从而利用这些数据去进行科学研究。路面结构埋入式传感器是实现路面结构内部力学响应主动感知的核心基础,不同路层的传感器会对道路的状态进行实时监测,因而产生大量的实时数据,庞大的数据总量和飞快的数据产生速率,给工作人员进行数据采集带来了极大的挑战。本文设计并实现的路面结构数据管理平台,提供了一整套完整、便捷的解决方案,可同时满足数据采集、海量数据存储、智能数据补全、数据实时处理、设备管理等功能。本文主要完成的工作如下:(1)对用户需求和传感器数据特点进行了综合分析,考虑系统需要实现的目标及功能需求,确定了数据采集、数据基础服务和业务应用的总需求。(2)根据需求分析,对系统的整体架构进行了设计,将系统划分为用户服务层、业务应用层、基础平台层、数据接入层以及监测设备层五个层次。(3)在整体逻辑架构下对系统进行了详细设计。在数据处理方面,设计了传感器数据的网络通信协议,使用Netty通讯框架实现了数据的接入和解析,并以Kafka分布式消息队列进行数据分发。针对“用户驱动型”业务,设计了基于Hadoop的海量数据存储平台,并实现了对缺失路面结构数据的智能补全,针对“数据驱动型”业务,设计了基于Flink的实时流处理平台。在业务应用方面,设计了不同设备的概念结构以及主要模块的协作流程。(4)对数据处理系统和业务应用系统进行了实现,数据处理系统部署在分布式框架下,完成了数据采集、数据分发、数据海量存储、缺失数据补全、实时流处理等工作,业务应用系统使用MVC的架构思想,完成了对设备管理、数据服务、预警管理、用户管理等业务的开发工作。目前,本系统已投入使用,服务于路面结构数据的采集和管理工作。经过实践证明,本系统能平稳运行,用户反映良好。

智慧交通车流量大数据采集与分析系统的设计与实现

这是一篇关于智慧交通,蜂窝网络,成功概率,大数据处理,系统研发的论文, 主要内容为随着城市道路车流量的迅速增长和某些交通规划与管理经验上的不足,交通拥堵、交通肇事、环境污染等问题日益严峻。因此,能够实时了解交通路况并合理规划交通路线对解决上述问题显得尤为关键。目前,百度地图、高德地图等导航软件虽然能够做到实时的路况显示,但自身角色定位问题导致其能够提供的功能相对单一;此外,海量行车数据采集到后台系统造成存储设备的经济损耗和数据分析处理的技术制约,同样需要新的技术思路与手段予以解决。基于上述情形,本文利用了蜂窝网络在车载系统与基站互联方面的积极作用,意图借助蜂窝网络下基站与车载系统的信息交互以达到对行车数据采集的目的。然而,当对多个基站采集的行车数据进行汇总处理时,移动车辆可能与蜂窝网络中的多个基站产生信息交互,这就产生了数据传输可靠性、数据冗余和一致性问题等。综上,本文设计并开发了智慧交通车流量大数据采集与分析系统,研究基于蜂窝网络的链路传输成功概率理论,将其作为数据筛选条件并应用于车流量数据采集与预处理阶段,接着利用大数据技术完成数据处理并实现可视化操作。具体研究工作如下:1.提出了干扰信号是限制网络性能的主要因素,以蜂窝网络为模型设计了一种易于处理的SINR分析框架。依据随机几何数学理论推导出干扰信号信道衰减增益服从无干扰、指数衰落、Rayleigh衰落下链路传输成功概率的精确表达式。在此基础上,通过仿真模拟,分析了几种系统参数对成功概率的影响,并对比了成功概率与区域频谱面积在几种干扰环境下的结果。与传统蜂窝网络SINR分析方法相比,该方法无需划分网格并降低了计算的复杂度,改善了蜂窝网络的性能。2.设计了分布式车流量大数据采集与分析核心引擎,基于Apache Hadoop、Apache Spark及其相关生态圈组件技术,解决了引擎整体技术架构设计和数据采集、清洗、存储、离线与实时计算等技术问题。其中,以链路传输成功概率为系统数据采集模块中的数据筛选提供了理论基础,解决了数据的冗余和一致性问题;以HDFS和HBase解决了海量数据分布式存储问题;以MapReduce计算框架实现了数据清洗解决方案;以Spark SQL和Spark Streaming设计了离线和实时大数据处理功能组件。3.介绍了本文系统的详细实现过程,首先进行了系统需求分析、功能架构设计、数据库设计;接着以Spring boot、Layui和ECharts技术开发了 Web端可视化系统操作界面,对系统各功能模块进行图形化展现;最后利用第三方软件构建了完善的集群性能监控系统,并通过对比实验证明了本文系统集群的可行性和良好的计算性能。

停车场车辆路径规划与场景模拟系统设计

这是一篇关于智慧交通,系统设计,路径规划,虚拟现实的论文, 主要内容为近年来,随着以深度学习为代表的人工智能技术不断发展,其在各类停车场的应用与研究也在不断推进。由于针对不同场景下的停车与车辆样本数据相对较少,为深度学习在停车场的应用带来了较大困难。本文在为停车场停车导航提供路径规划的基础上,对相关的各类停车场景进行模拟,并生成机器学习所需要的样本,为相关深度学习提供必要的样本数据支撑,同时也可为停车场视频监控系统的设计、安装调试提供一定的仿真环境。本文的主要工作如下:(1)设计停车场车辆路径规划与场景模拟系统总体方案。拆解实际问题、分析需求、确定系统目标、设计系统模块。系统功能分为路径规划与场景模拟两大部分。路径规划部分细分为场景信息模型数据库模块与路径规划算法模块;场景模拟部分细分为场景库模块、场景设置与预览模块和场景生成模块。确定系统总方案:结合各模块功能,完成对车辆停车路径规划以及静态图片和动态视频样本的生成。(2)系统路径规划部分相关算法与系统功能设计。建立系统用于路径规划算法和场景模拟所需的信息模型数据库;对现实场景下停车场问题调研与剖析,设计为入库车辆确定终点的车位匹配算法;根据停车场场景特点设计了以Astar算法为基础并后续加入单行道参数、转向代价参数优化的路径规划算法。信息模型提供的虚拟场景信息与车位匹配算法、路径规划算法优化相结合,完成系统路径规划部分功能的实现,并生成用于场景模拟的路径文件。(3)系统场景模拟部分相关功能设计。基于现实场景,建立三维数字停车场,实现停车场场景下多种场景模拟功能:虚拟相机的设置、对车况与路况的模拟、更改光线角度完成对不同时间或灯光的光照模拟、添加场景粒子效果完成对不同天气的模拟。根据实际需求修改停车场场景参数,并最终生成可供机器学习相关算法训练的扩充样本。(4)对平台功能进行测试,根据系统目标对停车场车辆路径规划与场景模拟系统整体及相关功能测试验收。对生成的扩充样本进行实验,在原有数据集的基础上,加入生成的样本,获得新的数据集作为对照,使用MASK R-CNN算法进行车辆目标检测训练。根据测试结果,证明系统生成的图片与视频扩充样本能够作为样本投入相关机器学习训练中,并具有更高的识别率。

基于深度学习的逆光车牌图像修复算法研究

这是一篇关于智慧交通,图像修复,逆光车牌修复,深度学习的论文, 主要内容为逆光车牌图像修复是智慧交通领域中具有挑战性的研究问题之一。受太阳光反射的影响,车牌识别系统所采集到的车牌图像被光斑遮挡,造成车牌信息丢失,使得车牌识别系统的识别准确率下降。因此,逆光车牌图像修复的研究将有助于车牌识别技术的实际应用推广。与传统的计算机视觉方法相比,深度学习技术具有处理复杂模式的强大能力。目前,车牌识别系统大多是使用多设备或者通过控制拍摄条件进行多图像的采集,进而筛选出无逆光或逆光影响较小的车牌图像,而直接对逆光车牌图像进行修复的方法较少。因此,本文着重研究基于深度学习的逆光车牌图像修复算法。本文的主要研究内容如下:(1)建立了逆光车牌图像的形成模型,并利用该模型构建了逆光车牌图像数据集。为了研究逆光车牌图像的修复方法,首先研究了逆光车牌图像的形成过程,然后建立了一种逆光车牌图像形成模型,并验证了该模型的有效性。考虑到逆光车牌图像修复网络模型训练数据稀缺的问题,本文利用该形成模型构建了一个大型的逆光车牌图像数据集。(2)基于逆光车牌图像形成模型设计了逆光车牌图像修复方法。方法主要基于生成式对抗网络(Generative Adversarial Networks,GAN)思想构建了深度三叉型逆光车牌图像修复网络模型及其损失函数。基于U-Net模型框架设计了该网络模型的深度三叉型生成网络,在其解码网络部分设计了由光斑信息解码、光斑背景解码、修复解码三个分支解码网络构成的三叉型的解码网络,并利用逆光车牌图像形成模型推导出的由逆光车牌图形到无逆光车牌图像的公式,实现对逆光车牌图像的修复。此外,基于Patch GAN设计了判别网络。实验结果展示出该方法能够较好地修复被光斑遮挡的车牌信息内容。(3)设计了端到端的双层细化修复方法,旨在进一步提高逆光车牌图像的修复效果,从而为实际工程应用增加一个可选模型。该方法设计了双层生成网络,其第一层引入深度三叉型图像修复生成网络,所设计的第二层残差细化生成网络通过学习第一层修复结果与真实车牌图像之间的残差、引入空洞卷积设计了多尺度特征结构,旨在融合多尺度特征来进行细化修复。采用GAN的对抗训练思想对双层生成网络进行端到端训练。(4)对本文所提出的两个逆光车牌图像修复方法进行实验分析。从主观评价、客观评价、效率评估三个角度进行对比实验,实验验证了方法的有效性,并有助于提高车牌识别系统的识别准确率。