云計算環(huán)境下時空軌跡聚集模式挖掘算法研究.pdf

1、隨著位置采集技術(shù)，包括遙測技術(shù)、車載GPS、無線網(wǎng)絡(luò)以及智能手機(jī)的應(yīng)用，人們可以記錄任何移動對象的行走軌跡，從而形成了以軌跡作為表現(xiàn)形式的龐大時空數(shù)據(jù)庫。分析各種不同移動對象的時空軌跡數(shù)據(jù)，有助于我們對人類行為模式、交通物流、動物習(xí)性以及市場營銷等進(jìn)行研究。時空軌跡模式挖掘是數(shù)據(jù)挖掘的重要研究內(nèi)容。時空軌跡聚集模式是時空軌跡模式重要的組成部分，它是指一組時空移動對象在一定時間內(nèi)一起移動形成的行為模式。對時空軌跡數(shù)據(jù)進(jìn)行挖掘，可提取出有意

2、義的聚集模式，從而幫助人們監(jiān)控和預(yù)測一些不尋常的群體事件。
　　本研究主要內(nèi)容包括：⑴提出了一種時空軌跡gathering聚集模式并行挖掘算法PDGP(Parallelalgorithm for Discovering Gathering Pattern)，并利用MapReduce并行編程模型加以實現(xiàn)。PDGP算法將gathering聚集模式挖掘算法中極其耗時的聚類操作分發(fā)到各個計算節(jié)點并行處理，以此達(dá)到提高算法運行效率的目的。實

3、驗結(jié)果表明PDGP算法的運行效率與原挖掘算法相比有較大提升，而且隨著計算節(jié)點數(shù)量的增加，并行算法的加速比較高，在大數(shù)據(jù)集上顯示出了明顯的性能優(yōu)勢。⑵提出了一種基于網(wǎng)格索引的時空軌跡聚類算法GTRAJ-DBSCAN(Grid-based algorithm for TRAJectory-DBSCAN)，在云環(huán)境下實現(xiàn)基于網(wǎng)格索引的時空軌跡并行聚類算法GPTRAJ-DBSCAN(Grid-based Parallelalgorithm fo

4、r TRAJectory-DBSCAN)。實驗結(jié)果表明本文提出的GTRAJ-DBSCAN和GPTRAJ-DBSCAN算法性能優(yōu)于TRAJ-DBSCAN算法，這兩個算法通過建立網(wǎng)格索引，在進(jìn)行軌跡聚類時，利用網(wǎng)格索引實現(xiàn)對軌跡段的區(qū)域查詢，從而降低了計算量，有效地提高了軌跡聚類的速度。⑶提出了一種基于中心距離的閉合聚集檢測算法CDCC(algorithm basedon Center-distance for Discovering Cl