基于流数据的离散域路径规划研究
发布时间：2022-02-22 14:20
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...
【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
研究路线
2.1 流数据概述2.1.1 流数据定义随着信息化进程的不断演进，计算机通信技术、网络存储技术、智能采集技术、网络计算技术等理论的不断成熟，互联网、医疗、金融、军事等多数领域浮现出与传统理念不相称的全新的发展方向，即不同于以往行业内仅产生少量、固定、孤立的数据，大量、随机、持续的数据序列如河流般不断涌现。即所谓的流数据。在多数现实问题中，人们不能假设即将面对和处理的是一组静态数据实例相反，它们可能会持续到达，从而生成潜在的无限且不断增长的数据集。它将随着时间的推移进行自我扩展，新的实例将连续分批次或逐个到达。基于流数据特性，可对流数据进行如下简单定义。定义 2-1 流数据 由数据对象 x 构成的数据流 Y，可以表示为 kY x,x,...x12 每个数据对象sx 由 m 个特征构成，nix 指代ix 数据对象的第 n 个特征值。图 2-1 对流数据定义及结构进行了基本描述。
电子科技大学硕士学位论文（6） 随机机制流数据对象的统计分布、概率分布随时间而变化，数据模型需要更新分析以适应变化。静态数据中的数据分布相对固定，不会发生过多的变化。图 2-2 展示了传统静态数据处理同流数据处理之间的差异，可以发现，流处型明显减少了数据交互过程，极大程度上保证了数据的实时效应及系统的响度。
【参考文献】：
期刊论文
[1]改进蚁群算法在城市汽车导航中的应用[J]. 葛延峰,陈涛,孔祥勇,高立群. 控制工程. 2016(01)
[2]基于模糊C均值聚类的城市道路交通状态判别[J]. 黄艳国,许伦辉,邝先验. 重庆交通大学学报(自然科学版). 2015(02)
[3]K最短路径算法综述[J]. 徐涛,丁晓璐,李建伏. 计算机工程与设计. 2013(11)
[4]基于参数预测的高速公路交通状态判别[J]. 韦清波,苏奎,何兆成,聂佩林,杨敬锋. 交通信息与安全. 2012(06)
[5]路径诱导系统中双向启发式A*算法研究[J]. 杨泳,户佐安,何金海. 计算机工程与应用. 2014(16)
[6]我国智能交通系统技术发展现状及展望[J]. 金茂菁. 交通信息与安全. 2012(05)
[7]交通路径诱导系统中最优路径选取研究与仿真[J]. 潘海珠,杜晓昕,王波. 计算机仿真. 2012(07)
[8]基于生物种群模型的智能交通网络控制[J]. 张海涛,秦黎明. 兰州理工大学学报. 2012(01)
[9]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛. 现代机械. 2011(05)
[10]高速公路交通运行状态分类方法研究[J]. 徐婷,陈志建,程琳. 中国科技论文在线. 2010(10)
博士论文
[1]城市道路交通状态评价和预测方法及应用研究[D]. 孙晓亮.北京交通大学 2013
硕士论文
[1]面向城市交通管理的道路交通状态评估与信息发布[D]. 史岩.北京交通大学 2015
[2]基于云平台的交通最短路径算法的实现与分析[D]. 高飞.大连理工大学 2013
[3]基于滑动窗口的流数据聚类挖掘研究[D]. 王立锟.西南交通大学 2009
本文编号：3639624
【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
研究路线
2.1 流数据概述2.1.1 流数据定义随着信息化进程的不断演进，计算机通信技术、网络存储技术、智能采集技术、网络计算技术等理论的不断成熟，互联网、医疗、金融、军事等多数领域浮现出与传统理念不相称的全新的发展方向，即不同于以往行业内仅产生少量、固定、孤立的数据，大量、随机、持续的数据序列如河流般不断涌现。即所谓的流数据。在多数现实问题中，人们不能假设即将面对和处理的是一组静态数据实例相反，它们可能会持续到达，从而生成潜在的无限且不断增长的数据集。它将随着时间的推移进行自我扩展，新的实例将连续分批次或逐个到达。基于流数据特性，可对流数据进行如下简单定义。定义 2-1 流数据 由数据对象 x 构成的数据流 Y，可以表示为 kY x,x,...x12 每个数据对象sx 由 m 个特征构成，nix 指代ix 数据对象的第 n 个特征值。图 2-1 对流数据定义及结构进行了基本描述。
电子科技大学硕士学位论文（6） 随机机制流数据对象的统计分布、概率分布随时间而变化，数据模型需要更新分析以适应变化。静态数据中的数据分布相对固定，不会发生过多的变化。图 2-2 展示了传统静态数据处理同流数据处理之间的差异，可以发现，流处型明显减少了数据交互过程，极大程度上保证了数据的实时效应及系统的响度。
【参考文献】：
期刊论文
[1]改进蚁群算法在城市汽车导航中的应用[J]. 葛延峰,陈涛,孔祥勇,高立群. 控制工程. 2016(01)
[2]基于模糊C均值聚类的城市道路交通状态判别[J]. 黄艳国,许伦辉,邝先验. 重庆交通大学学报(自然科学版). 2015(02)
[3]K最短路径算法综述[J]. 徐涛,丁晓璐,李建伏. 计算机工程与设计. 2013(11)
[4]基于参数预测的高速公路交通状态判别[J]. 韦清波,苏奎,何兆成,聂佩林,杨敬锋. 交通信息与安全. 2012(06)
[5]路径诱导系统中双向启发式A*算法研究[J]. 杨泳,户佐安,何金海. 计算机工程与应用. 2014(16)
[6]我国智能交通系统技术发展现状及展望[J]. 金茂菁. 交通信息与安全. 2012(05)
[7]交通路径诱导系统中最优路径选取研究与仿真[J]. 潘海珠,杜晓昕,王波. 计算机仿真. 2012(07)
[8]基于生物种群模型的智能交通网络控制[J]. 张海涛,秦黎明. 兰州理工大学学报. 2012(01)
[9]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛. 现代机械. 2011(05)
[10]高速公路交通运行状态分类方法研究[J]. 徐婷,陈志建,程琳. 中国科技论文在线. 2010(10)
博士论文
[1]城市道路交通状态评价和预测方法及应用研究[D]. 孙晓亮.北京交通大学 2013
硕士论文
[1]面向城市交通管理的道路交通状态评估与信息发布[D]. 史岩.北京交通大学 2015
[2]基于云平台的交通最短路径算法的实现与分析[D]. 高飞.大连理工大学 2013
[3]基于滑动窗口的流数据聚类挖掘研究[D]. 王立锟.西南交通大学 2009
本文编号：3639624
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3639624.html
