基于Hadoop的海量交通數(shù)據(jù)研究與應(yīng)用.pdf

1、為了更好的管理城市道路交通系統(tǒng)，人們建立了智能交通系統(tǒng)。通過(guò)在城市道路上安裝各種檢測(cè)傳感器來(lái)采集交通信息、監(jiān)控道路狀態(tài)。然而隨著路網(wǎng)體系的復(fù)雜，城市汽車(chē)保有量的迅猛增加，智能交通系統(tǒng)采集了海量的低價(jià)值密度信息。如何在這些大規(guī)模低價(jià)值的數(shù)據(jù)中快速、準(zhǔn)確的挖掘出解決城市道路問(wèn)題的有用信息是現(xiàn)在研究者孜孜追求的目標(biāo)。
　　在交通問(wèn)題中交通擁堵的判別預(yù)測(cè)是重要的領(lǐng)域，此前判斷交通擁堵的方法是通過(guò)計(jì)算交通參數(shù)等數(shù)據(jù)判斷出的常規(guī)堵點(diǎn)，然后通過(guò)

2、規(guī)劃道路、控制交通燈來(lái)解決擁堵問(wèn)題，未考慮數(shù)據(jù)客觀反映的道路狀態(tài)和警力實(shí)時(shí)指揮的問(wèn)題。而且隨著數(shù)據(jù)的增加導(dǎo)致計(jì)算量的幾何式增長(zhǎng)，耗費(fèi)大量時(shí)間，喪失了交通預(yù)測(cè)的實(shí)時(shí)性。此外，交通小區(qū)的劃分是研究交通出行規(guī)律的中觀層面，合理的劃分有助于制定有效的交通管理措施。在基于杭州交通系統(tǒng)的實(shí)際數(shù)據(jù)，主要包括微波檢測(cè)數(shù)據(jù)、浮動(dòng)車(chē)GPS數(shù)據(jù)、視頻監(jiān)控?cái)?shù)據(jù)、路網(wǎng)數(shù)據(jù)等，結(jié)合Hadoop平臺(tái)對(duì)海量數(shù)據(jù)處理的優(yōu)勢(shì)，對(duì)交通數(shù)據(jù)的挖掘應(yīng)用做以下創(chuàng)新性研究:

3、　　1.本文首次提出并解決了交通異常堵點(diǎn)的概念和分布式檢測(cè)算法，他對(duì)有限的警力的實(shí)時(shí)優(yōu)化投放起著重要的指導(dǎo)作用，它與交通狀態(tài)分級(jí)判別有著本質(zhì)的不同。通過(guò)引入歷史擁堵概率，首次定義了“異?！钡母拍詈头植际接?jì)算模型，進(jìn)一步，通過(guò)“累積異?！毙?yīng)，提升實(shí)時(shí)預(yù)警的準(zhǔn)確性。提出的算法具有“自學(xué)習(xí)”性，具體體現(xiàn)在歷史擁堵概率持續(xù)更新環(huán)節(jié)，即使通過(guò)交通組織和道路基礎(chǔ)設(shè)施發(fā)生變化，方法適用性也不會(huì)受較大影響。
　　2.提出一種基于海量交通數(shù)據(jù)的快