海量车牌识别数据集上基于时空划分的旅行时间计算方法

rural

摘 要： 城市路段旅行时间计算是智能交通领域的一个研究热点．车牌识别数据作为近年来新兴的一种针对城
市道路行驶车辆的实时监测数据，具有持续生成且数据量大、时间空间相关等特性．为了利用车牌识别数据集进行高
效、准确的旅行时间计算，给出了基于车牌识别数据集的旅行时间计算定义，在此基础上提出一种基于时空划分的流
水线式并行计算模型，并给出了该模型基于实时 ＭａｐＲｅｄｕｃｅ的实现．通过一组基于海量真实车牌识别数据集的实验
- \. Y' i( U) M2 p9 a表明，本文方法在亿级车牌识别数据集上的旅行时间计算性能方面相对于直接基于 Ｈａｄｏｏｐ的实现可以提高 ３倍以
% U3 m" U5 C- f上，同时具有适合细粒度划分及受路网规模影响小的特点．
关键词： 旅行时间；时空划分；流水线并行；实时 ＭａｐＲｅｄｕｃｅ；车牌识别数据
: e( R8 ]2 P2 d: p3 m- U& s 海量车牌识别数据集上基于时空划分的旅行时间计算方法.pdf (1.05 MB, 下载次数: 0)

2021-6-17 09:42 上传

点击文件名下载附件
下载积分: 威望 -5

bow

海量车牌识别数据集上基于时空划分的旅行时间计算方法，收藏了。