開題報(bào)告題目序列模式挖掘在車輛行駛路徑預(yù)測(cè)中應(yīng)用研究

隨著的進(jìn)展和汽車的日益普及，道路交通量急劇增加。隨之出現(xiàn)的城市交通擁堵、交通事故率上升、交通效率不高導(dǎo)致的能源浪費(fèi)成為各個(gè)城市發(fā)展的共同問(wèn)題,很多城市都將大力發(fā)展智能交通系統(tǒng)作為解決城市車路的重要解決途徑之一。智能交通系統(tǒng)是有效地集成先進(jìn)的、數(shù)據(jù)通訊傳輸技術(shù)、電子傳感技術(shù)、電子控制技術(shù)以及計(jì)算機(jī)處理技術(shù)的地面管理體系。目前，智能交通系統(tǒng)已經(jīng)積累了巨量且復(fù)雜的道路交通據(jù)的、加工、處理都對(duì)當(dāng)前交通數(shù)據(jù)分析處理技術(shù)提供了新的要求。數(shù)據(jù)挖掘是從數(shù)據(jù)集合中自動(dòng)抽取隱藏在數(shù)據(jù)中的有價(jià)值的信息的一項(xiàng)技術(shù)，這些信息的表現(xiàn)式為：則、概、規(guī)律模式等它幫助決策分析歷數(shù)據(jù)及前數(shù)并從中發(fā)隱藏的系和模進(jìn)預(yù)測(cè)未可能生的行為交通大據(jù)挖的主要的是尋找交數(shù)據(jù)中隱含的律，為能交通統(tǒng)設(shè)計(jì)提供持，有于緩解通擁優(yōu)化交通網(wǎng)運(yùn)行促進(jìn)交健康穩(wěn)發(fā)展其中車輛行駛徑的分與預(yù)測(cè)目前智能交通數(shù)據(jù)掘研究的最重問(wèn)題，于智能通統(tǒng)的交通號(hào)管理控制、通誘動(dòng)態(tài)交通配等方有著重的意義在智能通統(tǒng)設(shè)計(jì) 中起重要作。 戰(zhàn)當(dāng)數(shù)據(jù)量達(dá)到上百個(gè)GB至TB級(jí)時(shí)這樣大的輸入數(shù)據(jù)遠(yuǎn)遠(yuǎn)超出大多數(shù)服務(wù)器的內(nèi)存，近年來(lái)研究的熱點(diǎn)。由Apache 所開發(fā)的Hadoop云計(jì)算平臺(tái)由于其開源性、可擴(kuò)展性、并可使不具有豐富并行開發(fā)經(jīng)驗(yàn)的程序員可以在Hadoop云計(jì)算平臺(tái)下輕松的開發(fā)并行程序，因此在眾多國(guó)內(nèi)外互聯(lián)網(wǎng)公司得到了廣泛的應(yīng)用。Hadoop云計(jì)算平臺(tái)以MapReduce并行編程框架和HDFS分布式文件系統(tǒng)實(shí)現(xiàn)了Hadoop云計(jì)算平臺(tái)的超強(qiáng)的海量數(shù)據(jù)分析能 本文旨在實(shí)現(xiàn)基于Hadoop云計(jì)算平臺(tái)的并行化車輛行駛路徑序列模式挖掘算法，改進(jìn)問(wèn)題。利用Hadoop云計(jì)算平臺(tái)超強(qiáng)的海量數(shù)據(jù)分析能力和能力，從時(shí)間和空間上提升MarkovMarkov概率樹，據(jù)此可由當(dāng)前時(shí)刻狀態(tài)，預(yù)測(cè)車輛下一時(shí)刻的路ETC車輛未來(lái)通充分發(fā)揮計(jì)算機(jī)軟硬件發(fā)展的成果，提高計(jì)算效率。，目前，關(guān)于序列模式挖掘算法的研究已有很多。Srikant等人提出了采用冗余候選模式的剪除策略和哈希樹來(lái)實(shí)現(xiàn)候選模式快速訪存的GSP算法，Zaki等人提出了基于垂直數(shù)據(jù)表示的SPADE算法，PeiJ等人提出了基于投影數(shù)據(jù)庫(kù)的PrefixSpan算法，等人提出了基于位置信息的序列模式挖掘算法PVS算法，原等人提出了一種多時(shí)間間隔序列模式挖掘算法等人提出了一種時(shí)序關(guān)系下的閉合序列模式挖掘算法，這些傳統(tǒng)的串行化算法在處理海量數(shù)據(jù)和數(shù)據(jù)時(shí)運(yùn)算能力遠(yuǎn)遠(yuǎn)不能滿足人們的要求。針對(duì)這個(gè)問(wèn)題，國(guó)內(nèi)外學(xué)者相繼提出了各種分布式序列模式挖掘算法。Gurainikv等人提出了基于樹投影技術(shù)的兩種不同的并行化算法來(lái)解決分布內(nèi)存并行計(jì)算機(jī)的序列模式發(fā)現(xiàn)問(wèn)題等人提出了最大頻繁項(xiàng)目集的FMGSP算法, ，MapReduceGSPMapReduce編程框架的序列模式挖掘算法-MR-GSP算法，對(duì)其進(jìn)行了詳細(xì)闡述和設(shè)計(jì)，并通過(guò)理論分MR-GSP算法的正確性和高效性。MR-GSP算法再次改進(jìn)，并針對(duì) 2015.1-2015.2-2015.3-2015.4-最終修改、答辯 SimmonsR,BrowningB,ZhangY,etal.Learningtopredictdriverrouteanddestinationintent[C].ProceedingsofIn ligentTransportationSystemsConference,2006:127-132.基于混合Markov模型的ETC收費(fèi)數(shù)據(jù)挖掘研究[J交通運(yùn)輸系統(tǒng)工程與信息YangJ，HuM.Trajpattern：miningsequentialpatternsfromimprecisetrajectoriesofmobileobjects[C].ProceedingsoftheInternationalConferencesonExtendingDatabaseTechnology，GiannottiF，NanniM，PedreschiD．Trajectorypatternmining[C].Proceedingsofthe13thACMSlGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining，SrikantR,AgrawalR.Miningsequentialpattern:GeneralizationsandperformanceZakiM.SPADE:Anefficientalgorithmforminingfrequentsequences[J].MachineLearning,2001.41(2):31-60.PeiJ,HanJ,PintoH.PrefixSpan:miningsequentialpatternsefficientlybyprefix-projectedpatterngrowth[C]//Procofthe17thInternationalConferenceonDataEngineering.Washington:DC,IEEEComputerSo-city,2001:215-224.[J].原 ,曹丹陽(yáng).一種多時(shí)間間隔序列模式挖掘算法[J].微電子學(xué)與計(jì)算機(jī) ,戰(zhàn)曉蘇.時(shí)序關(guān)系下的閉合序列模式挖掘算法[J]. ,張長(zhǎng)海.DMGSP:一種快速分布式全局序列模式挖掘算法[J].ZhangChanghai,HuKongfa,LiuHaidong.FMGSP:anefficientmethodofminingglobalsequentialpatterns[C].//Procofthe4thInternationalConferenceonFuzzySystemsandKnowledgeDiscovery.LosAlanitosIEEEComputerSociety.2007:761-765.,鄭蘇杭 .基于多核并行的海量數(shù)據(jù)序列模式挖掘[J].計(jì)算機(jī)應(yīng)用GSPPrefixSpan算法的比較與分析[J].遼寧工學(xué)院學(xué)報(bào),2006:26-Jeffr