云計(jì)算環(huán)境下時(shí)空軌跡聚集模式挖掘算法研究.pdf

1、隨著位置采集技術(shù)，包括遙測(cè)技術(shù)、車(chē)載GPS、無(wú)線(xiàn)網(wǎng)絡(luò)以及智能手機(jī)的應(yīng)用，人們可以記錄任何移動(dòng)對(duì)象的行走軌跡，從而形成了以軌跡作為表現(xiàn)形式的龐大時(shí)空數(shù)據(jù)庫(kù)。分析各種不同移動(dòng)對(duì)象的時(shí)空軌跡數(shù)據(jù)，有助于我們對(duì)人類(lèi)行為模式、交通物流、動(dòng)物習(xí)性以及市場(chǎng)營(yíng)銷(xiāo)等進(jìn)行研究。時(shí)空軌跡模式挖掘是數(shù)據(jù)挖掘的重要研究?jī)?nèi)容。時(shí)空軌跡聚集模式是時(shí)空軌跡模式重要的組成部分，它是指一組時(shí)空移動(dòng)對(duì)象在一定時(shí)間內(nèi)一起移動(dòng)形成的行為模式。對(duì)時(shí)空軌跡數(shù)據(jù)進(jìn)行挖掘，可提取出有意

2、義的聚集模式，從而幫助人們監(jiān)控和預(yù)測(cè)一些不尋常的群體事件。
　　本研究主要內(nèi)容包括：⑴提出了一種時(shí)空軌跡gathering聚集模式并行挖掘算法PDGP(Parallelalgorithm for Discovering Gathering Pattern)，并利用MapReduce并行編程模型加以實(shí)現(xiàn)。PDGP算法將gathering聚集模式挖掘算法中極其耗時(shí)的聚類(lèi)操作分發(fā)到各個(gè)計(jì)算節(jié)點(diǎn)并行處理，以此達(dá)到提高算法運(yùn)行效率的目的。實(shí)

3、驗(yàn)結(jié)果表明PDGP算法的運(yùn)行效率與原挖掘算法相比有較大提升，而且隨著計(jì)算節(jié)點(diǎn)數(shù)量的增加，并行算法的加速比較高，在大數(shù)據(jù)集上顯示出了明顯的性能優(yōu)勢(shì)。⑵提出了一種基于網(wǎng)格索引的時(shí)空軌跡聚類(lèi)算法GTRAJ-DBSCAN(Grid-based algorithm for TRAJectory-DBSCAN)，在云環(huán)境下實(shí)現(xiàn)基于網(wǎng)格索引的時(shí)空軌跡并行聚類(lèi)算法GPTRAJ-DBSCAN(Grid-based Parallelalgorithm fo

4、r TRAJectory-DBSCAN)。實(shí)驗(yàn)結(jié)果表明本文提出的GTRAJ-DBSCAN和GPTRAJ-DBSCAN算法性能優(yōu)于TRAJ-DBSCAN算法，這兩個(gè)算法通過(guò)建立網(wǎng)格索引，在進(jìn)行軌跡聚類(lèi)時(shí)，利用網(wǎng)格索引實(shí)現(xiàn)對(duì)軌跡段的區(qū)域查詢(xún)，從而降低了計(jì)算量，有效地提高了軌跡聚類(lèi)的速度。⑶提出了一種基于中心距離的閉合聚集檢測(cè)算法CDCC(algorithm basedon Center-distance for Discovering Cl