本文關(guān)鍵詞：基于Greenplum的交通信息物理系統(tǒng)移動(dòng)節(jié)點(diǎn)查詢研究　出處：《重慶理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 交通信息物理系統(tǒng) 交通大數(shù)據(jù) 移動(dòng)節(jié)點(diǎn)位置預(yù)測 DBSCAN算法

【摘要】：交通信息物理系統(tǒng)(TCPS)作為支持下一代智能交通系統(tǒng)(ITS)發(fā)展的關(guān)鍵技術(shù),具備交通信息系統(tǒng)與交通物理系統(tǒng)深度融合的特點(diǎn)。在當(dāng)前交通路網(wǎng)當(dāng)中,交通物理系統(tǒng)的各種數(shù)據(jù)采集設(shè)備和探測設(shè)備,如路口線圈、測速監(jiān)控、交通違法監(jiān)控、移動(dòng)終端等硬件的建設(shè)正在不斷完善,分布如此廣泛的數(shù)據(jù)采集設(shè)備,每天都會(huì)產(chǎn)生海量的交通數(shù)據(jù)。海量的交通大數(shù)據(jù)是交通領(lǐng)域的寶貴資源。如何有效地解決海量交通數(shù)據(jù)的存儲(chǔ)問題是目前的當(dāng)務(wù)之急。基于交通大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)成為解決諸多交通問題的關(guān)鍵技術(shù)。近年來,基于位置的智能服務(wù)為移動(dòng)節(jié)點(diǎn)軌跡數(shù)據(jù)挖掘提供新的方向。Greenplum作為新一代數(shù)據(jù)庫引擎,與其他關(guān)系型數(shù)據(jù)庫相比,具有大規(guī)模存儲(chǔ)、并行處理、強(qiáng)大的工作效率、低成本的硬件平臺(tái)等優(yōu)點(diǎn)。非常適合作為大數(shù)據(jù)的存儲(chǔ)系統(tǒng),本文采用當(dāng)前主流的大規(guī)模并行數(shù)據(jù)倉庫Greenplum作為交通大數(shù)據(jù)的存儲(chǔ)和處理系統(tǒng),基于Greenplum數(shù)據(jù)倉庫架構(gòu)設(shè)計(jì)了交通信息物理系統(tǒng)大數(shù)據(jù)平臺(tái),通過對(duì)移動(dòng)節(jié)點(diǎn)的GPS歷史軌跡數(shù)據(jù)進(jìn)行分析,實(shí)現(xiàn)移動(dòng)節(jié)點(diǎn)的位置查詢和預(yù)測,具有重要的研究價(jià)值和現(xiàn)實(shí)意義。文中首先介紹了TCPS層次架構(gòu),并分析了TCPS的特點(diǎn)及其關(guān)鍵技術(shù)。其次,介紹了Greenplum數(shù)據(jù)倉庫的整體架構(gòu),并通過對(duì)比目前主流的商業(yè)數(shù)據(jù)庫,重點(diǎn)分析了Greenplum的特點(diǎn)以及在處理交通大數(shù)據(jù)中的優(yōu)勢,設(shè)計(jì)了交通信息物理系統(tǒng)大數(shù)據(jù)平臺(tái)。然后分析了利用Python編程語言操作Greenplum數(shù)據(jù)庫的具體方法�；谝苿�(dòng)節(jié)點(diǎn)GPS歷史軌跡的主要特點(diǎn)以及位置預(yù)測的需求,提出先對(duì)GPS歷史軌跡數(shù)據(jù)進(jìn)行去重后進(jìn)行聚類的改進(jìn)的DBSCAN算法,并利用Python進(jìn)行編程實(shí)現(xiàn),緊接著對(duì)移動(dòng)節(jié)點(diǎn)GPS歷史數(shù)據(jù)去噪、算法準(zhǔn)確率和效率等進(jìn)行了詳細(xì)的分析,確定了參數(shù)聚類半徑Eps和聚類點(diǎn)數(shù)Min Pts的取值方法。在此基礎(chǔ)之上,運(yùn)用預(yù)測序列與數(shù)據(jù)庫中聚類結(jié)果進(jìn)行匹配,這樣最大限度地提高了系統(tǒng)運(yùn)行效率,利用測試數(shù)據(jù)集分析了匹配算法的性能。仿真結(jié)果表明,本文的改進(jìn)DBSCAN算法和匹配算法性能較優(yōu)越,可以有效地實(shí)現(xiàn)對(duì)移動(dòng)節(jié)點(diǎn)未來位置的預(yù)測。
[Abstract]:This paper introduces the main characteristics of the data acquisition equipment and its key technologies , and then analyzes the characteristics and key technologies of the mobile node based on the data mining technology of the mobile node .

【學(xué)位授予單位】：重慶理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U495

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊學(xué)成;;共享單車:滴滴城市出行平臺(tái)的又一張拼圖[J];通信世界;2016年30期

2 鄧佳;王永利;董振江;;面向位置預(yù)測的動(dòng)態(tài)軌跡模式挖掘[J];計(jì)算機(jī)應(yīng)用研究;2017年10期

3 徐彪;霍歡;陳尚也;吳易木;班雷雨;;基于位置服務(wù)的軌跡預(yù)測方法[J];小型微型計(jì)算機(jī)系統(tǒng);2016年06期

4 惠飛;葉敏;蔡柳;康科;;基于路口信息的出租車異常軌跡檢測[J];計(jì)算機(jī)工程與應(yīng)用;2016年15期

5 朱付保;徐顯景;白慶春;朱顥東;;基于空間自相關(guān)性和模糊集的空間數(shù)據(jù)噪聲點(diǎn)檢測算法[J];計(jì)算機(jī)應(yīng)用與軟件;2016年03期

6 張紅;王曉明;過秀成;曹潔;朱昶勝;郭義戎;;出租車GPS軌跡大數(shù)據(jù)在智能交通中的應(yīng)用[J];蘭州理工大學(xué)學(xué)報(bào);2016年01期

7 蔡永強(qiáng);陳平華;李惠;;基于云計(jì)算平臺(tái)的并行DBSCAN算法[J];廣東工業(yè)大學(xué)學(xué)報(bào);2016年01期

8 宋路杰;孟凡榮;袁冠;;基于Markov模型與軌跡相似度的移動(dòng)對(duì)象位置預(yù)測算法[J];計(jì)算機(jī)應(yīng)用;2016年01期

9 喬少杰;李天瑞;韓楠;高云君;元昌安;王曉騰;唐常杰;;大數(shù)據(jù)環(huán)境下移動(dòng)對(duì)象自適應(yīng)軌跡預(yù)測模型[J];軟件學(xué)報(bào);2015年11期

10 汪治華;張俊偉;;交通信息物理系統(tǒng)模型研究[J];公路工程;2015年05期

相關(guān)碩士學(xué)位論文 前2條

1 余彪;基于Greenplum的移動(dòng)通信數(shù)據(jù)業(yè)務(wù)分析[D];吉林大學(xué);2015年

2 張亞杰;交通信息物理系統(tǒng)車載節(jié)點(diǎn)通信技術(shù)研究[D];重慶理工大學(xué);2014年

，

本文編號(hào)：1376281