文献类型：期刊文章

作　　者：王路辉[1] 王桂玲[1]

机构地区：[1]北方工业大学计算机学院大规模流数据集成与分析技术北京市重点实验室,北京100144

出　　处：《计算机工程》

基　　金：北京市自然科学基金重点项目(4131001);北京市教育委员会科技计划重点项目(KZ201310009009)

年　　份：2017

卷　　号：34

期　　号：8

起止页码：193-199

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对伴随车辆发现及其实时性问题,基于随时间变化的车牌识别流数据,提出一种采用并行频繁项集发现(PFID)技术的伴随车辆组实时发现算法。该算法根据频繁项挖掘Eclat算法的思想,并利用分布式流数据处理框架Spark Streaming生成最大伴随车辆组。实验结果表明,与排列组合算法及FP-Growth算法相比,PFID算法消耗内存更少,响应时间更短,在秒级响应时间内能找到伴随车辆组,达到及时预警目的。

关 键 词：智能交通系统 车牌自动识别流数据  伴随车辆组  SPARK Streaming并行框架  DStream模型  Eclat算法  

分 类 号：TP311]