前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇物聯網與云計算范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

物聯網與云計算范文第1篇

云存儲市場只現冰山一角

云存儲說到底是一個服務的概念。存儲最初只是主機的周邊附件，之后慢慢演變成開放的網絡存儲，最終發展成一種服務。從存儲設備到存儲服務，在這一演變過程中，存儲硬件只是基礎之一，更重要的是存儲軟件的開發。

早在2000年，隨著第一代互聯網的興起，云存儲服務就已經誕生，但是并沒有持續太久的時間。早期云存儲服務的大起大落與當時的社會經濟環境有關，也與當時的服務模式不成熟有關。之后，以亞馬遜的崛起為標志，第二代云存儲服務的浪潮席卷而來。亞馬遜的云存儲服務對于公有云服務的發展起到了推動作用。

如今，云存儲的應用已經相當廣泛。盡管如此，我們看到的只是冰山一角，云存儲市場蘊藏著非常大的商機。過去，大量數據按照傳統的計算模式和存儲模式、使用。隨著物聯網以及下一代互聯網的發展，人們不僅要求把數據存儲起來并出去，而且希望進行數據交換和融合。只有經過這一過程，數據的潛在價值才能被充分挖掘出來。如果你只孤立地看待某一類數據，可能發現不了它有多大價值，但是如果把這些數據和其他相關數據放在一起，你就會發現這些數據的價值是多么可觀。

把應用移到云中去

今天，智能環保、智能交通等應用都是相互割裂的。其實，這些應用所產生的數據是相互關聯的。如果人們能把不同應用產生的數據整合在一起，那么就可以在更高的層面上掌控整個應用的大局。

物聯網一般包括三層，即感知層、接入層和應用層。感知層和接入層可以實現數據采集，并將數據傳送到數據中心。應用層負責處理和管理數據，并將這些數據真正使用起來。處理如此大量的數據，如果仍舊采用傳統的存儲模式，其成本是非常高的，而云存儲能以更低的成本實現海量數據的存儲。數據量越大，云存儲的成本和效率優勢就越明顯。

從數據服務的角度劃分，云服務可以分成SaaS、PaaS和IaaS。在SaaS層面，云存儲通常體現為應用服務。以谷歌地圖為例，用戶的數據被采集并顯示在地圖上。用戶數據被采集后直接進入系統的底層，這就需要有基礎架構層的支撐。如果每一個應用都自己做數據管理、數據檢索和優化工作，以滿足高帶寬、低延時的要求，那么應用開發的工作量是非常巨大的。如果用一個平臺級的服務去支撐這些應用，那么用戶在應用層面的開發工作量就會大大減輕。

無線物聯網、移動客戶端會產生大量數據。不同客戶端產生的數據都有自己的特性。用戶需要把這些不同類型的數據按其本身的特性存儲下來，然后再進行交換、融合。這一處理方式與傳統的計算和存儲模式大不相同。這也直接導致了云存儲服務的興起。

在搜索引擎方面，谷歌做得比較成功。搜索引擎本身就是一種服務。谷歌的搜索引擎除了可以被谷歌使用之外，其他用戶是不是也能使用它的一部分，并與自己的應用相結合呢？云計算架構擁有自己的數據庫。用戶如何才能把數據庫服務、緩存服務、安全服務等全都變成云上的服務呢？上述問題都值得深入思考。如果把所有的應用服務都變成云上的服務，那么這些應用服務就很容易被串聯起來，人們在應用開發方面的工作量也會大大減輕。

數據交換與融合

云存儲服務的最終目標是，不僅能夠實現規模效應，而且能夠支撐各種類型的數據。在這個基礎上，如果能夠進一步實現數據的融合，那么原始數據又會產生出新的數據。云存儲服務還要能夠實現海量數據的存儲與管理，并且可以在用戶需要時提供數據挖掘服務。

物聯網與云計算范文第2篇

云計算實際上是對現有計算資源的一次再分配，其核心是將計算能力或計算服務，作為一種商品，出售給需要它的企業，從而為企業降低硬件采購成本，動態調節計算資源以應對起伏的數據服務需求，繼而降低企業信息環節運營成本。云計算是未來信息服務的發展趨勢之一，并且已經在世界范圍內產生了廣泛應用，有著很大的發展前景。

在2011全國“兩會”期間，浪潮集團董事長兼CEO孫丕恕接受媒體采訪時表示，現在可以把信息產業規劃為四個時代：第一個是大型機時代；第二是個人電腦時代，這個時代硬件制造業達到了其發展的頂峰；第三個是互聯網時代，信息技術也于此時變得家喻戶曉；現在，則是以云計算為核心的第四代。因此，除了技術上的跨越外，由互聯網轉向云計算或者說物聯網時代轉變，將會徹底改變IT業的生存環境，催生更多創新的商業形式。

孫丕恕從總體上分析認為，在云計算領域，中國和國外的差距還沒有那么大，大家基本處于同步，只是有條件好一點或者條件差一點的標準，但是沒有實質上的差別。

與孫丕恕的觀點相似，全國政協委員、中央財經大學證券期貨研究所所長賀強更加看好云計算的實用性。賀強在接受媒體采訪時表示：“今后一切復雜的計算、收集數據、計算過程都靠云計算中心完成了，你需要什么數據找它給你提供服務就可以，這可以節約大量資源，降低整個社會的信息流通成本。”并且，他將在此次全國“兩會”上提議把云計算產業作為國家戰略性新興產業。

當然，面對誘惑如此之大的新興技術領域，我國目前依然面臨不少困難。首當其沖的是網絡帶寬。雖然經過了多年基礎建設，我國寬帶網絡覆蓋面已經有了很大改善，網速也有了明顯提升，但相對于發達國家，我國網絡整體帶寬以及使用費用方面依然遠未達到云計算的需求水平，很難承擔超大規模的云計算數據傳輸任務。兩會期間，就有多名人大代表提出國內通信費用過高，通信速度較慢的問題。但從我國現狀來看，這個矛盾在短時間內應該難以解決。

具有企業家、科學家雙重身份的鄧中翰院士在接受媒體采訪時表示自己比較看好云計算。他認為，過去十年全球計算架構發生了重大變化，正在從分散走向云計算，這種變化也同時為新的芯片和半導體產業帶來巨大的發展機遇。因為，每一次國際大的變革都會誕生出一些新企業，這些新企業的技術和產品大都起到了填補新需求的需要。同時，鄧中翰還透露，國家工程院正在制訂到2030年在半導體高端芯片領域里面的規劃和路線圖，希望國家能夠抓住“大的、全球性的、分散式的計算逐漸走向云計算”這樣一個技術變革過程的機會。

在2011年全國兩會期間，鄧中翰拿出兩個提案：提議制訂中華人民共和國自主創新法，以及提議國家加大對半導體、集成電路等薄弱環節的支持力度。顯然，鄧中翰更加注重對于物聯網的研究。

鄧中翰對物聯網產業做了一個估計，他認為，中國物聯網相關產業今年可以達到千億級別。物聯網會把信息化滲透到日常工作和生活的每一個角落，具有廣泛的應用前景，物聯網距離人們的生活比之其他高新技術顯然更加接近。從行業應用角度來說，涉及到自動控制、信息化、網絡應用等，類似于國家級大型的電網、交通樞紐方面的控制、以及高鐵領域，都可以歸結到物聯網的應用，可以說，物聯網無處不在。

當然，和其他專家一樣，鄧院士對物聯網行業本身的規范化發展，也有一些擔憂。物聯網所包含的核心技術在國內外已經發展了許多年，相對比較成熟，但同時也造成了物聯網行業門檻低，市場混亂等境況。相對于資本市場的追逐及政府的重視，物聯網產業化，應用化步伐還相對滯后，未來還有很多政策、法規、產業孵化環境需要進一步完善。

物聯網行業的領軍人物之一，全國政協委員、中國工程院院士鄔賀銓對于國內物聯網產業的發展表達了類似的擔憂。鄔賀銓說，目前國內的物聯網“虛火”很大，一度出現國內比國外熱、媒體比市場熱、政府比企業熱、股市比投資熱、教育比科研熱、包裝比創新熱等現象。相關資料顯示，僅2009年，全國就有28個省市將物聯網作為產業發展重點，80％以上城市將物聯網列為主導產業，福州、深圳、昆山、杭州、成都、西安等城市也都加快了物聯網發展的布局。鄔賀銓指出，他在調研中發現，越來越多的地方政府爭相發展物聯網，但一些地方政府還沒有真正弄清物聯網產業的戰略意義。

鄔賀銓認為，物聯網剛剛起步，從技術上和體制上都還沒做好準備，各界對物聯網蛋糕的制造過程要耐心一點。鄔賀銓進一步指出：諸多核心技術還沒有完全掌握在中國手中。中國自主知識產權的物聯網技術還不夠多，傳感器甚至80％依賴進口，無錫應用物聯網技術監視太湖藍藻，其中進口的傳感器價格更高達40萬元，如此之高的成本嚴重限制了物聯網的推廣和應用。

物聯網與云計算范文第3篇

關鍵詞：物聯網；云計算；智能處理

中圖分類號：TP39

1云計算與物聯網

1.1云計算的含義

云計算是一種滿足資源使用和交付的形式的新奇的商業的計算模型，用戶在這個網絡里能獲取他們所需要的平臺或是軟硬件等資源。云計算將來有可能軟件產業，其應用能被隨意的收買，許可也能被隨時生效，然后應用到網絡上，來進行資源共享。云計算所運用的關鍵技術包括：分布式的計算技術能夠把龐大的任務分割成很多個子任務，同時把它們分別放在不同的計算節點上，然后再來運用與計算，這樣大大加強了平臺對大量數據的處理能力；彈性規模擴展技術能提供給各類應用框架以相應的集群類型，然后按照所需的擴展方式，增加一些資源；虛擬化技術能進行虛擬資源更換物理資源；分布式的存儲技術能使用網絡里的多臺服務器里所存儲的各種資源，來解決一臺服務器無法滿足存儲要求的現狀，同時統一的管理這些存儲資源，確保數據使用時的可靠、安全；多租戶技術滿足很多個用戶要同時使用相同的軟硬件資源的需求，還能給相應的客戶軟件服務提供數據隔離、性能定制、架構擴展、客戶化配置等功能。

1.2物聯網的含義

物聯網是一種新型的網絡，它利用全球定位系統、紅外感應器、射頻識別器等傳感設備，依照規定的協議，將事物與網絡連接起來，以此來交換信息和通信，從而達到識別、跟蹤、定位、管理和監控事物的目的。物聯網的服務對象不斷擴大，從人擴大到物，它是借助目前網絡，把全新的IT技術應用到各個行業中去，仔細研究，就是在電網、橋梁、鐵路、供水系統等各類社會設施中安裝傳感設備，然后通過RFID和無線數據通訊等技術手段，將人類社會環境和物理系統融合到一起，使信息資源得到充分利用，從而大大提高了生產力。現在，物聯網已經形成了相應的產業鏈和固定的商業模式：在政府的引導下，運營商供應服務的，把運用解決方式當作主要任務，保障傳輸通信和計算能力以及基本的傳感感知能力。有了政府的大力支持，很大程度地加快了物聯網的發展速度。如今，物聯網已經在各個領域得到應用。

2基于云計算物的物聯網運營平臺

2.1物聯網的發展對電信運營商的影響

物聯網的體系結構由感知層、傳輸層、存儲層和控制層四部分構成的。感知層是利用“鍵盤”、“鼠標”等器件來探索力、熱、電、光、位移等信息；傳輸層是用來給無線傳感網和電信網傳輸信息的總線；存儲層是用來將獲取的濕度、溫度以及電子標簽編碼等信息裝備到傳感網絡節點中的存儲設備；控制層是用來大規模快速處理信息的CPU。

傳統的電信運營商就相當于物聯網里面的傳輸層，它利用無線傳輸技術，給采集信息和接收信息牽線搭橋。但目前的運營商不僅能夠提供信息通道，運營商還希望借助現有的技術、資源，把業務擴展到網聯網里最核心部分控制層，把網絡的運營能力最大程度地釋放，然后供應給應用集成，為用戶提供更為方便的服務。運營商通過銷售信息所獲得的利潤遠遠大于傳統的通信費和流量費。

電信運營商要想更好的迎合物聯網的發展方向，就得好好發揮潛能，利用自己所擁有的網絡客戶，連接互聯網和無線傳網絡，搭建物聯網的運營平臺，集合所有的產業鏈，為客戶提供統一的電信級的物聯網服務。但要想做到這一點，必須要求物聯網有這些功能：（1）業務開通、受理、計費功能。作為客戶物聯網業務全面服務的供應商，必須制定針對廠商、客戶和第三方應用提供商的完善的運營服務體系，對所有包含的服務采用開通、受理、計費等功能。（2）信息采集、計算、存儲、顯示功能。與互聯網有所不同，物聯網會包含很多巨型的動態數據，對采集來的事物的信息來進行處理和運算。例如我們現在運用的GPS導航、Google地球模式等設備，它們需要提供實時監測數據和物理地址，并及時作出反饋的服務，而類似這種應用生成的大量數據，都決定了物聯網平臺必須具有信息采集、計算、存儲能力。（3）節點配置與控制功能。未來物聯網需要物與物的相連，世間每一樣東西都可能擁有獨立的IP地址被接入到電信運營商的網絡中，于是便建設了無數個傳感網絡節點，如果要對它們進行管理和監測，這時物聯網就必須具備節點狀態檢測、合理參數配置、節點升級和節點網絡拓撲等功能。

2.2云計算對物聯網運營平臺上的重要性

通過對物聯網運營平臺的特點和需求的分析，我們能看出物聯網需要有大規模的資源和很強的計算能力，而對這樣大數量數據的計算就需要運用到云計算技術。基于云計算的物聯網的運營平臺包括下面幾個部分：

2.2.1物聯網和云計算的基礎設備與服務。云計算所運用的基礎設備包括服務器、存儲設備、網絡設備和帶寬等出售的設備。采用虛擬化技術處理物理資源，讓物聯網運營平臺的行業間或是同一行業間各類客戶能共享資源，而且不受地點和設備的約束，這樣能夠更加合理的利用資源，避免資源的浪費，大大地降低了成本，并且在一定程度上提高了使用質量。

2.2.2物聯網和云計算的軟件與服務。物聯網和云計算利用虛擬的物理資源供應客戶所需要的具體服務，也可以專門被第三方使用。第三方提供軟件，然后云平臺利用虛擬化技術分租給多個商戶，同時讓這些租戶共享資源，按照所需來計費，大大降低了成本，提高了資源使用率。

2.2.3物聯網和云計算的平臺與服務。云平臺是物聯網的關鍵內容，具有配置與控制網絡節點，采集與計算信息的功能，它利用分布式的計算技術、分布式的存儲技術來分析大量的數據，提供大數據量數據實時處理服務。云平臺能處理多項任務和多項業務，還能根據不同行業的特性，分離計算功能，制定最合理的計算模型，然后供云調用利用。

2.3物聯網和云計算促進新產業的發展的表現

物聯網的前進依賴云計算的海量數據處理能力，而云計算的前進離不開于物聯網的拓展，它們二者密不可分。物聯網提供人和物、物和物的信息交換與無縫接入，從而滿足實時管理、控制世間萬物的需求；而云計算是依附在互聯網的基礎上，利用虛擬化技術來進行信息資源共享，是一種花費少、可靠性高、擴展性高的服務模式。

物聯網與云計算使人們的生活和生產方式煥然一新，讓生產步驟變得更簡單，讓生產效益變得更高，促進了新材料、新能源、新信息等很多產業的發展。新材料產業發展的推動：物聯網和云計算的硅材料產業；物聯網納米集成電路技術。新能源產業發展的推動：物聯網和云計算掌控風能和太陽能；物聯網與云計算的海洋能發電存儲技術。新信息產業發展的推動：物聯網和云計算的升天和落地模式；云安全技術引發的可信安全的知識產業萌發；促進智能交通、家居等產業的發展；促進增值服務產業的發展。

3小結

架構基于云計算的物聯網運營平臺，不僅讓物聯網滿足了目前電信運營商發展的需求，同時促進了其他新型產業的發展，完全證明了建立這個平臺是正確的。隨著科技的發展，云平臺不斷的優化，云計算能力不斷的提升，我們確信基于云計算的物聯網運營平臺的發展前景是很可觀的。

參考文獻：

[1]李新苗.物聯網牽手云計算的“兩大關鍵”[J].通信世界,2010,7.

[2]聶曉.基于云計算的物聯網安全研究[J].工礦自動化,2013,4.

[3]梅海濤.基于云計算的物聯網運營平臺淺析[J].電信技術,2011,5.

[4]楊珂,郭曉軍.云技術對物聯網應用的影響探討[J].現代物業(中旬刊),2012,6.

物聯網與云計算范文第4篇

作為一種新型計算模式，云計算的應用對于改善物聯網運營平臺的信息處理與計算能力具有重要作用。本文首先介紹了物聯網運營平臺的總體結構構建，然后具體探討了物聯網運營平臺構建中采用的關鍵云計算技術，以期為相關技術與設計人員提供參考。

【關鍵詞】云計算 物聯網運行平臺 構建

物聯網的智能處理過程需在信息技術的支持下才能完成，而IT技術與通信技術未來發展的結合點便為云計算技術。云計算具備信息數據快速處理的性能，若要將其迅速普及到各行各業和社會中，則必須依靠高速及寬大的網絡發展。因此，加強有關基于云計算的物聯網運營平臺構建分析，對于改善物聯網運營平臺的設計質量具有重要的現實意義。

1 物聯網運營平臺的總體結構構建

在綜合分析物聯網運營平臺需求與特點的基礎上可以發現，物聯網需具備大規模的資源與數據處理能力，而對于大規模數據的處理與計算則必須使用云計算技術。基于云計算的物聯網運營平臺通常包含以下內容：

1.1 平臺服務

作為物聯網的重要組成部分，云平臺具備控制與配置網絡節點、信息計算與采集的功能，其通過分布式計算技術和分布式存儲技術對海量數據信息進行分析，并給出大數據量數據動態處理服務。云平臺能同時對多項業務及任務進行處理，且能依據不同業務特點對計算功能進行分離，以構建優化計算模型供云調用利用。

1.2 軟件服務

物聯網與云計算可通過虛擬物力資源向客戶提供基本的業務服務，也可專門供第三方使用。第三方提供軟件，云平臺通過虛擬化過程分別租賃給不同的商戶，且讓不同租戶間進行資源共享，依據租戶需求實施計費，此種方式不僅能大幅度降低運行成本，還可改善資源利用率。

1.3 基礎設備服務

云計算應用過程中所需的基礎設備有網路設備、服務器、帶寬、存儲設備等出售設備。利用虛擬化模型對物理資源進行有效處理，可促進物聯網平臺不同行業間或同行業間不同客戶間的資源共享，且不會受到設備與地點的限制，由此便能加大資源的有效配置，減少資源浪費，且可大幅度降低成本，提高使用質量。

2 物聯網運營平臺構建采用的關鍵云計算技術

2.1 用戶個性化推薦與用戶聚類的分布式應用構建

在應用構建前應先開展應用業務分析，在組織和評估內外部資源的基礎上界定不同類的業務問題；依據應用種類的差異進行數據采集與處理，并按照應用需要采用網頁解析、爬蟲、分詞等技術對數據實施獲取與辨認。對于已采集到的數據進行處理方法通常有數據重構、數據格式化、數據量化處理與數據整合等。在選用獨立性變量時要構建分類模型，采用不同的數據挖掘算法以實現用戶分群功能。依據聚類結果開展業務解析，并依據不同用戶群的特質建立個性化方案。

2.2 數據挖掘算法

以云計算為基礎的數據挖掘算法的分布式文件系統HDFS是分布式計算平臺的重要組成部分。在平臺構建時要先全面分析了解分布式文件系統的write-one-read-many訪問模型及其對于并行計算、分布式文件系統的層次結構及其Namespace、分布式文件系統的Datanode與Namenode劃分機制及Master/Slave架構；然后研究分析Hadoop中的并行計算算法，其主要包括并行計算算法的應用程序接口、通訊過程與其RPC實現機制、應用程序處理流程與基本組成、解決死鎖問題的錯誤處理機制等。在此類研究的基礎上，構建基于Hadoop的包括SSH安裝配置、硬件環境配置、Hadoop服務、環境變量設置、分布式文件系統的目錄文件結構設置、Data Node與Name Node配置、配置文件參數等部分的云計算集群平臺。

2.3 數據挖掘算法的并行算法實現

數據娃聚算法的并行算法實現主要通過以下流程：對類數據挖掘算法實施對應的MapReduce改造；對算法中的各MapReduce過程進行具體定義；在Hadoop平臺上開展編碼；測試已完成的數據挖掘并行算法。解析效果評測數據主要為SougouT 1TB或天王200G網頁數據，任意抽取不同網頁開展人工測評，正文提取的準確率應保證高于90%。

采用MapReduce對定義輸入輸出格式化OutFormat與InputFormat類、Reducer與Mapper類等過程進行處理，利用對MapReduce的參數和過程函數定義調整來改善算法的并行度，由此完成具有高度并行的分布式數據挖掘算法，集群中的機器數量與算法數據處理能力接近線性分布。

3 結束語

云計算技術的應用質量將直接關系到物聯網運營平臺的構建水平與功能使用，因此，相關技術與研究人員應加強有關基于云計算的物聯網運營平臺構建研究，總結平臺構建的基本要點及關鍵云計算處理措施，以逐步改善平臺構建中的云計算應用水平。

參考文獻

[1]梅海濤.基于云計算的物聯網運營平臺淺析[J].電信技術，2011，13（14）：74-75.

[2]于洋.構建基于云計算的物聯網運營平臺分析與研究[J].電腦知識與技術，2013，06（10）：61-62.

[3]王昆昆.論基于云計算的物聯網運營平臺建設[J].計算機光盤軟件與應用，2013，05（35）：57-58.

作者簡介

劉倩（1981-），女，滿族，碩士研究生學歷。現為寧夏大學數學計算機學院講師。主要研究方向為圖形圖像處理與多媒體技術。

物聯網與云計算范文第5篇

隨著城市規模的發展，傳統的交通流參數計算方式已經無法滿足大量視頻數據的處理。云計算的出現使圖像處理技術能夠得到更好發展。本文首先介紹了云技術，建立了基于云計算的數字圖像處理平臺。同時提出一種具有一定自適應功能的基于Kalman濾波理論的背景預測與更新方法，從而提出云模式與交通流參數監測融合的數據處理技術，并對該架構下的交通流參數進行實驗驗證。

【關鍵詞】云計算 云架構 圖像處理 交通流

1 引言

隨著我國交通運輸行業的快速發展，給人們生活帶來了巨大便捷的同時，由于汽車數量的增多，造成了交通的日益惡化，交通堵塞現象十分嚴重。為了有效緩解這種局面，在現有交通資源下，挖掘已布設在各道路環境中的監控攝像機資源，主動利用其提供的視頻圖像數據來感知道路交通流參數，實現交通檢測的目的。

交通流監測系統是依據交通流流體理論的空間和時間離散化數學模型，將交通線路上的攝像頭獲取的車流圖像建立相對應的二維模型。同時隨著城市規模的發展，傳統的交通流參數計算方式已經無法滿足大量視頻數據的處理。對于這一問題，我們提出將云計算的技術運用到交通流監測中，作為一種新的計算模式和共享云計算的架構方法，云計算在高性能計算和海量數據存儲方面具有明顯優勢，云計算平臺能將資源虛擬化，同時進行有效且動態的資源劃分和分配。

2 基于視頻的交通流參數檢測

2.1 交通流參數的提取

圖2為現有交通流分布圖，車輛檢測是視頻交通監控系統的關鍵和基礎，其中交通流目標提取算法分為背景建模、幀差和目標跟蹤等計算。背景建模方法避免了幀差法前景區域提取不完整的問題，采用高斯混合模型相較于其他算法（Kalman濾波算法、平均法、選擇更新法）能利用高斯模型更好地給出像素點分布，多模型防止前景點對背景點的建模干擾，消除背景規律性晃動。

運用數字圖像處理的技術，對圖像進行數字化、編碼、圖像增強、恢復、重建、分析，獲取道路的坐標映射以及車流量信息。

2.2 基于Kalman濾波理論的自適應背景預測與更新建模法

基于視頻的車輛交通流檢測，目前提出的車流量檢測算法都存在一定的缺陷，不能解決影響檢測精度和實時性等所有間題。因此我們提出了一種改進的具有一定自適應功能的基于Kalman濾波的背景預測與更新法，可實現建模函數的自適應修正和不同階段的背景匹配更新。

實驗表明：隨著時間的推移，以上背景建模法將與場景匹配的權值逐漸增大，而不匹配的高斯函數的權值將日益縮小。

3 實驗結果分析

系統在PC機上運行，在VS2010平臺下，輸入自拍的復雜城區道路上的視頻流，利用以上自己研究的算法，自己設計開發了相應的軟件，通過實驗驗證，效果較好。

當系統正常工作時，終端能夠從服務器獲取周邊節點的路況信息，同時利用云計算的快速圖像處理。按照等級將對應的路段按照不同的路段加以區分，在GIS系統中將不同的路段按照對應的交通等級進行顏色區分顯示，當鼠標指向具體的路段時，也能夠顯示具體的數值，是個節點的交通信息能夠非常直觀的進行顯示。

通過視頻圖像采集、視頻圖像預處理、背景建模等過程。在單位時間內，根據車輛計數就可以求出車流量。

經測量得到，車模的速度在1m/s左右，按照1：24的比例換算成實際速度在80km/h左右，寬度測量誤差為4.25%，長度測量誤差為2.28%，車型匹配準確率為100%。

4 結論

本文從交通流現狀出發，介紹了云計算基礎知識，并建立了私有云計算平臺。然后針對道路環境實際應用需求，在現有的解決方法下，提出一種改進的具有一定自適應功能的Kalman濾波建模法；同時，解決了車輛的長度、寬度、車輛速度等參數測量，通過構建的私有云平臺，能夠快速精確的計算道路占有率、及交通運輸能力分析，為交管部門提供了可靠的基礎參數信息。

參考文獻

[1]黃振宇.基于云計算的網絡視頻監控系統研究與實現[D].上海：上海交通大學，2011.

[2]楊文志.云計算技術指南：應用、平臺與架構[M].北京：化學工業出版社，2010.

[3]王鵬.云計算的關鍵技術與應用實例[M].北京：人民郵電出版社，2010.

[4]張良將.Hadoop云平臺下的并行化圖像處理實現[D].上海：上海交通大學，2012.

[5]李新法.基于視頻圖像處理的交通流檢測方法[J].城市建設理論研究，2013.

[7] 李剛.基于背景差法和幀間差法的運動目標檢測方法[J].儀器儀表學報，2006（27） 962-964.

[8]高建平.基于圖像處理的交通信息采集[D].上海：同濟大學，2006.

[9]王圣男.智能交通系統中基于視頻圖像處理的車輛檢測與跟蹤方法綜述[D].浙江：寧波大學，2005.