(34.229.64.28) 您好!臺灣時間:2021/05/06 07:02
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:鄭彥博
研究生(外文):Yen-Po Cheng
論文名稱:以定點車速回報輔助實現於GAE平台之動態行車路線規劃服務
論文名稱(外文):A GAE Based Dynamic Pathfinding Service with Vehicle Speed Collection at Fixed Locations
指導教授:呂紹偉
指導教授(外文):Shao-Wei Leu
學位類別:碩士
校院名稱:國立臺灣海洋大學
系所名稱:電機工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:66
中文關鍵詞:動態行車路徑規劃GAE平台A* 演算法定點車速回報即時路況
外文關鍵詞:Dynamic route planningGAEA* algorithmfixed-location vehicle speed collectionreal-time traffic condition
相關次數:
  • 被引用被引用:1
  • 點閱點閱:180
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
利用全球定位系統(Global Positioning System, GPS)與行動通訊技術,路徑導航系統提供使用者最佳行駛路線,試圖讓使用者在最短的時間內抵達目的地。.但現有導航系統大多基於靜態交通條件規劃路徑,一旦發生不可預期的路況或壅塞,原先所規劃的最佳路徑(通常是最短路徑)很容易成為相對耗時的路徑;即便沒有突發路況,系統規劃的路徑也很可能在某些路段大量重疊,因而導致壅塞。這個問題的解決有賴以即時路況作為路徑規劃的依據。因此,本論文之目的就是在建構一個以雲計算平台為基礎的動態路徑規劃系統。本研究利用 Google App Engine 開發一個動態路線規劃服務,在此開發平台上以 A* 演算法實現路徑規劃功能,並且依實際路況變化重新規劃較佳之路徑。由於本研究實作的服務範圍在台北市大同區與中山區內,實際路況的取得是參考台北市交通管制工程處車輛偵測器架設的位置,由行經這些位置的智慧型行動裝置所回報的即時車速匯整而成。使用者可透過智慧型行動裝置連線至 Google 的雲計算平台,以取得路線規劃服務。目前支援的行動裝置作業系統為 Android。
Using the ubiquitous global positioning system (GPS) and mobile communication technologies, car navigation systems in general are fairly efficient at finding the optimal routes, usually the shortest, for vehicle drivers. However, unexpected traffic conditions, such as accidents or congestions, can often nullify the benefits of the shortest paths if they are not considered in the process of route planning. The purpose of this research is hence to develop a cloud-based route planning and navigation system that takes into account the real-time traffic conditions.
The system has been developed on the Google platform (GAE) utilizing the A* pathfinding algorithm and is able to modify the unfinished part of an exiting route if traffic conditions demand so. Current implementation serves an area which roughly covers the Datong and Zhongshan Districts of Taipei City. The traffic condition used to adjust the A* algorithm is the current average vehicle speed associated with each street section within the service area. The average vehicle speed is calculated from the real-time speed data reported by all smart mobile devices which have recently requested for route planning service through mobile Internet connections. To limit the amount of data feeds, the mobile devices report their current speeds only when they pass one of the prescribed locations. Current implementation uses the same locations at which the Traffic Engineering Office of the City Government places their vehicle sensors. At present, the mobile end of our system supports the Google Android.

致謝…………………………………………………………………………………I
摘要…………………………………………………………………………………II
Abstract…………………………………………………………………………III
目錄…………………………………………………………………………………IV
圖目錄……………………………………………………………………………VII
表目錄…………………………………………………………………………… X
第一章 緒論………………………………………………………………………1
1.1 研究背景與動機……………………………………………………….1
1.2 研究方法……………………………………………………………….2
1.3 論文內容提要…………………………………………………………………………….3
第二章 文獻探討……………………………………………………………….…4
2.1 Cloud Computing……………………………………..………….4
2.1.1 Cloud Computing的特性…………………………...5
2.1.2 Cloud Computing的服務類型..…………………...........6
2.1.3 Cloud Computing 的服務模型….…………………….……8
2.2 Cloud Computing Platform 介紹…………………….……….9
2.2.1 Google App Engine……………………………………….………9
2.2.2 Amazon Web Service……………………………………………12
2.2.3 Windows Azure Platform……………………………………..12
2.2.4 Yahoo Hadoop………………………………………………….13
2.3 Google Android…………………………………………………….15
2.3.1 Android Architecture…………………………………………16
2.4 車輛偵測器佈設路段………………………………………………….18
2.4.1 臺北市交工處之交通流量調查……………………………20
2.5 最短路徑演算法………………………………………………………22
2.5.1 Dijkstra’s 演算法………………………………………………22
2.6 A*演算法………………………………………………………………24
2.6.1 最佳解優先搜尋法…………………………………………………24
2.6.2 A*演算法介紹…………………………………………………24
第三章 系統架構與實作………………………………………………………….28
3.1系統功能…………………………………………………………………….28
3.2系統架構………………………………………………………………….30
3.2.1 Android端系統說明……………………………….31
3.2.2 Cloud端系統說明……………..…………………….36
3.3系統流程……………………………………………………………….44
第四章 系統操作與實測……………………………………………………….47
4.1 Android手機端…………………………………………………………..47
4.2 Google App Engine平台………………………………………………..54
第五章 結論與未來發展………………………………………………………63
參考文獻………………………………………………………………………….64
[1] 盧易聖,框架效應對公車資訊影響乘客等候決策之研究,中華大學運輸科技與物流管理學系碩士論文,2009。
[2] 安守中,GPS定位原理及應用,全華圖書,2005。
[3] M. Miller, Cloud Computing: Web-Based Applications That
Change the Way You Work and Collaborate Online, United States
Que, 2008.
[4] 沈弓弘,實現於Cloud平台的動態行車路線規劃服務,國立台灣海洋大學電機工程學系碩士論文,2010。
[5] 洪士傑,基於Cloud平台及行動平台之動態行車路線規劃服
務,國立台灣海洋大學電機工程學系碩士論文,2011。
[6] E. Stahl, L. Duijvestijn, M. Jowett, P. Isom, D. Jewell, A. Fernandes, T. R. Stockslager, “Performance implications of cloud computing,” IBM Techdocs Library White Papers, May 2010, <http://www-03.ibm.com/support/techdocs/atsmastr.nsf/WebIndex/WP101684 >.
[7] P. Mell and T. Grance, “The NIST definition of cloud computing -- recommendations of the National Institute of Standards and Technology,” NIST Special Publication 800-145, 2011, <http://www.nist.gov/itl/cloud/upload/cloud-def-v15.pdf >.
[8] Google App Engine, < https://developers.google.com/appengine/ >, June 2012.
[9] Windows Azure, < http://www.windowsazure.com/zh-tw/ >, June 2012.
[10] Amazon Web Services, < http://aws.amazon.com/ >, June 2012.
[11] Cloud Advisory Services, < http://www.earthlingsecurity.com/ >, June 2012.
[12] 上官林傑,Google 應用服務引擎開發實戰,悅知文化出版社,2009。
[13] Python Programming Language, < http://www.python.org >, June 2012.
[14] Amazon Web Services,
< http://aws.amazon.com/cloudfront-jobs/ >, June 2012.
[15] Windows Azure Platform,
< http://www.microsoft.com/taiwan/windowsazure/>, June 2012.
[16] Apache Lucene, < http://lucene.apache.org/ >, June 2012.
[17] Hadoop, < http://hadoop.apache.org >, June 2012.
[18] 徐瑞興,一個可將MapReduce程式透通地執行在多個Hadoop平台之方法,國立成功大學電腦與通信工程研究所碩士論文,2011。
[19] 王耀聰與陳威宇,Map Reduce 介紹,國家高速網路與計算中心,2008。
[20] Open Handset Alliance, < http://www.openhandsetalliance.com/ >, June 2012.
[21] 吳思佳,科技產品內外部屬性消費價值之聯合分析-以智慧型手機為例,國立政治大學企業管理研究所碩士論文,2009。
[22] Android, < http://www.android.com/ >, June 2012.
[23] 蔡宜勳,車輛偵測器佈設路口選擇之研究,國立臺灣大學土木工程學系碩士論文,2005。
[24] 李文騫、林富泰、董尚義、黃惠隆、陳志中、黃月貞、陳衍豪、吳玉珍、李霞以及吳東凌,智慧型交通資訊蒐集系統建置,交通部運輸研究所,2005。
[25] 臺北市交通管制工程處,< http://www.bote.taipei.gov.tw/ >, June 2012.
[26] 謝樹明,細談資料結構,旗標出版社,2009。
[27] E. W. Dijkstra, “A note on two problems in connexion with graphs,” Numerische Mathematik, vol. 1, pp. 269-271, June 1959.
[28] Graph Traversal, <http://www.cse.ohio-state.edu/~gurari/course/cis680/cis680Ch14.html >, June 2012.
[29] Best-First Search,
< http://en.wikipedia.org/wiki/Best-first_search >, June 2012.
[30] R. Neapolitan and K. Naimipour, Foundations of Algorithms-Using C++ Pseudocode, Jones and Bartlett Publishers, 1998.
[31] P. E. Hart, N. J. Nilsson, B. Raphael, “A formal basis for the heuristic determination of minimum cost paths,” IEEE Trans. Systems Science and Cybernetics, pp. 100-107, July 1968.
[32] S. Koenig, M. Likhachev, Y. Liu, and D. Furcy, “Incremental heuristic search in artificial intelligence,” Artificial Intelligence Magazine, vol. 25, issue 2, pp. 99-112, June 2004.
[33] Path Finding Tutorial,
< http://wiki.gamegardens.com/Path_Finding_Tutorial >, June 2012.
[34] The Google Code Blog, <http://google-code-updates.blogspot.tw/2009/06/google-app-engine-io-java-offline.html >, June 2012.
[35] SQLite, < http://www.sqlite.org/ >, June 2012.
[36] Google I/O 2009 - Offline Processing on App Engine,
< http://www.youtube.com/watch?v=o3TuRs9ANhs >, June 2012.
[37] 黃文鑑、黃惠隆、林富泰、翁忠川、李妍彧、范志煌、楊峻武、吳孟潮,台北都會區至中正機場智慧運輸走廊交通資訊與控制示範系統建置,財團法人中華顧問工程司,2007。

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔