隨著全球經(jīng)濟化的飛速發(fā)展和城鎮(zhèn)化建設的穩(wěn)步推進,移動軌跡大數(shù)據(jù)的挖掘分析已成為學術界、工業(yè)界和政府部門高度關注的民生問題。本文搭建基于MapReduce并行處理框架的Hadoop分布式計算平臺（大數(shù)據(jù)分析平臺）,實現(xiàn)移動軌跡大數(shù)據(jù)（出租車GPS數(shù)據(jù)）的高效挖掘與深度分析;分析乘客出行特征,實時掌控城市居民出行規(guī)律;分析出租車運行特性,動態(tài)感知交通狀況;進而為城市交通管理與控制提供理論依據(jù)和決策參考。本文研究的主要內容及創(chuàng)新性成果如下:1.大數(shù)據(jù)分析平臺搭建和數(shù)據(jù)預處理。首先,搭建基于MapReduce框架的Hadoop大數(shù)據(jù)分析平臺,實現(xiàn)移動軌跡大數(shù)據(jù)的分布式存儲與并行計算;其次,利用大規(guī)模出租車GPS數(shù)據(jù)實驗驗證大數(shù)據(jù)分析平臺,為后續(xù)工作的測試、挖掘與分析提供保障;最后,分析出租車GPS數(shù)據(jù)特征,基于大數(shù)據(jù)分析平臺實現(xiàn)出租車GPS數(shù)據(jù)的智能提取與并行預處理。2.乘客出行時空特征分析。首先,基于大數(shù)據(jù)分析平臺提取乘客出行OD軌跡點,得到乘客出行各時段峰值分布;其次,結合峰值分布對城市整體區(qū)域進行中區(qū)劃分,并根據(jù)工作日與休息日兩種不同的分布趨勢,對乘客出行特征進行分析;最后,利用大數(shù)據(jù)分... 

【文章來源】：貴州民族大學貴州省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

出租車GPS數(shù)據(jù)分布

Slave1 192.168.15.132Slave2 192.168.15.133Slave3 192.168.15.134這四個節(jié)點都是 Centos7.0 系統(tǒng)，用戶興趣相同，主機主要配置由 NameNode和 JobTracker 負責執(zhí)行分布式數(shù)據(jù)和分解任務。這三臺 Salve 機器配置 DataNode和 TaskTracker 的角色，它們負責分布式數(shù)據(jù)存儲和任務執(zhí)行。實際上，還應該有一臺主計算機作為備份，以防止主服務器停機，并立即激活備份。后續(xù)經(jīng)驗積累了一定的階段，并補充了備用的主機器。利用 master 創(chuàng)建 slave1、slave2（i）關閉 master：shutdown-h now。（ii）使用 VMware 虛擬機的克隆功能，便可一鍵克隆兩臺虛擬機。（2）驗證安裝與配置信息驗證 jdk 使用命令：java-version，得到如圖 2-7 所示。

圖 2-8 hadoop 程序圖驗證 hadoop 集群：在主機電腦上打開瀏覽器，并分別瀏覽 hadoop 集群的管理頁面，檢查hadoop集群是否成功啟動�；贖adoop集群的常規(guī)搭建到此完成，即可根據(jù)需求分析數(shù)據(jù)，應用平臺運行程序。2.3 數(shù)據(jù)預處理基于各種因素，由終端返回控制中心的出租車 GPS 數(shù)據(jù)存在著一定的誤差和數(shù)據(jù)冗余，通過數(shù)據(jù)分析對無效數(shù)據(jù)進行剔除，掌握數(shù)據(jù)有效特征，以提高實驗結果的準確性。首先，基于海量出租車 GPS 數(shù)據(jù)對誤差來源進行分析，識別無效數(shù)據(jù)進行剔除；其次，根據(jù)數(shù)據(jù)誤差來源分析，利用已搭建的大數(shù)據(jù)分析平臺進行數(shù)據(jù) OD 提取，為后續(xù)實驗結果準確性提供保障。根據(jù)北京市出租車 GPS 數(shù)據(jù)進行處理、過濾與分析，數(shù)據(jù)誤差來源情況主要分為以下幾點：

【參考文獻】：
期刊論文
[1]一種出租車載客軌跡空間聚類方法[J]. 楊樹亮,畢碩本,Nkunzimana A,黃銅,萬蕾.  計算機工程與應用. 2018(14)
[2]基于UTISS的車路網(wǎng)協(xié)同系統(tǒng)設計[J]. 劉欣萌.  自動化儀表. 2017(08)
[3]基于出租車GPS軌跡數(shù)據(jù)挖掘的居民出行特征研究[J]. 林基艷,張雅瓊,張慧.  計算機時代. 2017(05)
[4]基于軌跡數(shù)據(jù)挖掘的居民出行特征研究進展[J]. 衛(wèi)龍,高紅梅.  西部交通科技. 2016(10)
[5]基于時間序列聚類方法分析北京出租車出行量的時空特征[J]. 程靜,劉家駿,高勇.  地球信息科學學報. 2016(09)
[6]大數(shù)據(jù)系統(tǒng)和分析技術綜述[J]. 程學旗,靳小龍,王元卓,郭嘉豐,張鐵贏,李國杰.  軟件學報. 2014(09)
[7]大數(shù)據(jù)技術及其在信息系統(tǒng)中的應用[J]. 蘇圣泳,譚琳.  計算機光盤軟件與應用. 2014(02)

博士論文
[1]基于MapReduce的移動軌跡大數(shù)據(jù)挖掘方法與應用研究[D]. 夏大文.西南大學 2016

碩士論文
[1]基于出租車軌跡數(shù)據(jù)的居民出行時空特征分析[D]. 徐玉靜.山東科技大學 2017
[2]基于出租車GPS數(shù)據(jù)的用戶出行熱點挖掘與交通流波動分析[D]. 張竣偉.西南大學 2017
[3]基于吸引子傳播算法的室內定位的研究與應用[D]. 鄧國川.北京郵電大學 2017
[4]基于海量GPS數(shù)據(jù)的公共交通站點及路線優(yōu)化研究[D]. 王武.西南大學 2016
[5]基于Hadoop的并行化算法實現(xiàn)及GPS數(shù)據(jù)實例分析[D]. 榮卓波.西南大學 2015
[6]基于GPS數(shù)據(jù)的出租車交通運行特性研究及應用[D]. 齊林.哈爾濱工業(yè)大學 2013



本文編號：3447894