基于Hadoop的交通视频大数据监控方案

• 作者: 李晓蕾
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 并行计算 海量数据分析 分布式计算 异常堵点检测
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 图像处理
• 页码范围: 1204-1209
• 页数: 6页
• 分类号: TP274
• 语种: 中文
• DOI: 10.37188/YJYXS20203511.1204

摘要

为了解决海量交通视频数据的监控和分析问题,本文对Hadoop大数据背景下的交通视频监控技术进行了深入研究,提出了基于交通视频数据的异常检测算法的设计方案,实现了交通数据的实时更新和异常分析,同时针对海量交通监控视频,设计了基于Hadoop组件MapReduce的并行实现算法,并通过浙江省某市的实际交通数据验证算法的有效性和准确性.经过实验证明,本文算法可以有效计算出交通拥堵情况和异常情况,相对于传统方案,本文方案可以聚焦10 min范围内的时间粒度对交通情况进行实时分析,相对于传统的分布式计算模型,本文的方案10 min延迟可以控制在2.1s,比传统方案延迟降低了81％,基本满足交通视频监控的实时和细颗粒度等要求.