物聯(lián)網(wǎng)環(huán)境下的海量移動對象數(shù)據(jù)聯(lián)機分析處理技術(shù)研究.pdf

1、隨著RFID、無線網(wǎng)絡(luò)等物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，產(chǎn)生了大量的移動對象數(shù)據(jù)。移動對象一般都具有多維屬性和時空特征，移動對象之間進行通信形成了移動對象網(wǎng)絡(luò)。如何處理和有效利用移動對象產(chǎn)生的海量數(shù)據(jù)，以及如何對移動對象網(wǎng)絡(luò)進行倉庫化和聯(lián)機分析處理成為當前的研究熱點。
　　在移動對象網(wǎng)絡(luò)中找出包含特定信息的子結(jié)構(gòu)是非常有價值的，對圖進行結(jié)構(gòu)數(shù)據(jù)查詢，現(xiàn)存的查詢分析算法已經(jīng)很多，但是這些算法大部分是為靜態(tài)數(shù)據(jù)所設(shè)計的，而對于類似移動對象產(chǎn)生的

2、移動數(shù)據(jù)來說，這些算法很難發(fā)揮作用。因此本文在移動對象網(wǎng)絡(luò)上對結(jié)構(gòu)數(shù)據(jù)聯(lián)機分析處理進行了深入的研究。另一個重要的問題是在構(gòu)建移動對象圖立方體的過程中產(chǎn)生的大量濃縮圖，這些濃縮圖不同于傳統(tǒng)的數(shù)值數(shù)據(jù)，它們包含大量節(jié)點且具有復(fù)雜的結(jié)構(gòu)，需要大量的存儲空間。對這些濃縮圖數(shù)據(jù)進行分析和處理需要花費較多的時間。如何對這些濃縮圖數(shù)據(jù)進行壓縮成了急需解決的問題，本文對移動對象網(wǎng)絡(luò)的濃縮圖數(shù)據(jù)做了深入的研究，高效地壓縮了濃縮圖的節(jié)點和邊，為用戶對移動對

3、象數(shù)據(jù)進行分析處理提供了有效的幫助。
　　論文的主要貢獻和創(chuàng)新點如下:
　　1)針對移動對象產(chǎn)生的大量圖結(jié)構(gòu)數(shù)據(jù)，我們提出了一種新型的圖立方體模型，來有效地在移動對象網(wǎng)絡(luò)上進行OLAP查詢。同時考慮到頂點屬性的聚集和網(wǎng)絡(luò)結(jié)構(gòu)的概化，圖立方體超越了只包括基于分組的傳統(tǒng)的數(shù)值數(shù)據(jù)立方體模型，從而產(chǎn)生了許多有意義的結(jié)構(gòu)豐富的濃縮網(wǎng)絡(luò)。
　　2)與傳統(tǒng)的立方體查詢不同，本文采用一種新的OLAP查詢，叫做muti-boid查詢，

4、這種查詢可以應(yīng)用在移動對象網(wǎng)絡(luò)中。我們通過結(jié)合移動對象網(wǎng)絡(luò)的特點和現(xiàn)存的研究數(shù)據(jù)立方體技術(shù)實現(xiàn)了圖立方體的穿立方查詢。
　　3)針對大規(guī)模移動對象網(wǎng)絡(luò)在構(gòu)建圖立方體的過程中產(chǎn)生的大量濃縮圖，引入了圖壓縮的思想，提出了進一步壓縮濃縮圖的算法MC-compress，用來合并濃縮圖中頂點及其相對應(yīng)的邊。通過將圖中相鄰的兩個頂點進行合并，再比較兩條邊合并后權(quán)重的最大差異度，從而找出最優(yōu)的合并頂點對，最終產(chǎn)生構(gòu)建壓縮圖的超級頂點和超級邊。通

5、過壓縮圖結(jié)構(gòu)，加快了在圖立方體上查詢圖結(jié)構(gòu)的顯示過程，減少了構(gòu)建圖立方體過程中存儲大量濃縮圖的空間。
　　4)針對多維對象網(wǎng)絡(luò)在用戶不同的興趣維度上產(chǎn)生的大量濃縮圖。引入了圖索引的思想，提出了結(jié)構(gòu)化數(shù)據(jù)查詢算法MCPath，用來解決用戶在某個維度上對感興趣的結(jié)構(gòu)數(shù)據(jù)進行查詢的問題。MCPath算法通過將圖分解成最短路徑集，再將這些候選路徑進行進一步連接，最終構(gòu)建為需要查詢的結(jié)構(gòu)數(shù)據(jù)。從而將原來每次只對一個節(jié)點進行一次查詢的方法，變