基于Hadoop的海量車載物聯(lián)網(wǎng)數(shù)據(jù)處理方法研究.pdf

1、隨著物聯(lián)網(wǎng)時代的來臨，越來越多的終端被各行各業(yè)開發(fā)使用。車載物聯(lián)網(wǎng)作為未來城市交通的核心，也得到了的發(fā)展。汽車作為該網(wǎng)絡(luò)中的外形主體，其本質(zhì)為車內(nèi)安裝的車載終端；這些終端充斥在城市的交通之中，作為元節(jié)點組成了一個巨大的網(wǎng)絡(luò)；而這些終端所產(chǎn)生的海量數(shù)據(jù)如何被有效的利用起來則成為當(dāng)今車載物聯(lián)網(wǎng)系統(tǒng)急需解決的核心問題。在這種需求前提下，本文提出使用Hadoop分布式平臺來存儲海量車載物聯(lián)網(wǎng)數(shù)據(jù)，并在其框架下完成對數(shù)據(jù)的分析統(tǒng)計工作。
　

2、　本文首先從分析車載物聯(lián)網(wǎng)的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)出發(fā)，提出使用HDFS、HBase、Hive組合的存儲方案，解決了車載物聯(lián)網(wǎng)數(shù)據(jù)高維度、高并發(fā)、部分稀疏的存儲問題。在此基礎(chǔ)上，又深入探討了對車載物聯(lián)網(wǎng)數(shù)據(jù)的分析和挖掘，提出了使用Hive QL和MapReduce模型兩種方法來應(yīng)對不同規(guī)模的數(shù)據(jù)分析，設(shè)計實現(xiàn)了部分?jǐn)?shù)據(jù)統(tǒng)計，駕駛員行為分析，以及在A-ECLAT算法下狀態(tài)量關(guān)聯(lián)規(guī)則挖掘等一系列數(shù)據(jù)分析過程。
　　本文最后，按照提出的框架模型，