基于Hadoop的卡口數據挖掘技術研究與應用.pdf

1、隨著社會的發(fā)展，人們生活水平在提高，城市汽車保有量呈現快速增長趨勢，一方面它方便了人們的生活，為人們出行帶來了便利；另一方面誘發(fā)了交通阻塞、交通事故頻繁、交通污染等一系列交通問題的發(fā)生。目前智能交通系統(tǒng)正是解決這些交通問題關鍵所在，作為其主要智能設備之一的公路車輛智能監(jiān)測記錄系統(tǒng)（簡稱卡口系統(tǒng)），在交通管理方面發(fā)揮了越來越重要的作用。然而隨著卡口系統(tǒng)數量快速增長，導致卡口系統(tǒng)產生的過車記錄數迅速膨脹。雖然掌握了大量的卡口數據，但是缺少適

2、當的方法和技術去挖掘這些海量交通數據隱藏的有價值信息。
　　鑒于此，通過分析城市卡口數據特性以及查閱文獻資料，本文以卡口數據為研究對象，借助于目前流行的大數據處理技術Hadoop平臺，結合相關數據挖掘算法，對海量卡口數據在“失駕”挖掘和交通流預測方面進行了研究，為緩解目前較嚴重的交通安全問題和交通擁堵問題有著重要意義。
　　本文提出的基于海量歷史卡口數據的失駕挖掘研究，其主要內容包括嫌疑失駕信息獲取、基于時空鄰域的車輛軌跡聚

3、合分析和失駕車輛時空軌跡預測，以及進行分布式設計。從而形成了一套對“失駕”違法行為發(fā)現、查處的方法。
　　本文通過分析交通流時空關聯特性，給出了基于Hadoop平臺的K近鄰算法預測時間序列交通流和局部線性嵌入算法估計目標路段相鄰上游路段流向系數預測空間交通流模型，通過加權組合，進而確定組合預測模型以提高預測精度和運行效率。
　　最后，通過真實采集的卡口數據，將本文所研究的兩個挖掘應用的分布式算法移植到Hadoop平臺上實現，