基于Spark的出租車軌跡組織方法研究.pdf

1、軌跡作為一種典型的時空數(shù)據(jù)，近年來被越來越多地應(yīng)用于道路變化檢測、出行模式探究以及城市熱點分析等研究課題。隨著數(shù)據(jù)量的不斷增大，軌跡的快速檢索也越來越重要，傳統(tǒng)的空索引方法通常使用增加時間維或時間快照的方式擴展二維空間索引。不同于普通地物，軌跡數(shù)據(jù)由大量的線段構(gòu)成，傳統(tǒng)的索引直接應(yīng)用于軌跡數(shù)據(jù)會造成空間重合率高、快照時間點插值等問題。使用針對移動對象的軌跡索引可以取得一定的改善，但在數(shù)據(jù)量日益增加的情況下，往往也力不從心。
　　近

2、年來Hadoop生態(tài)環(huán)境發(fā)展迅速，為海量軌跡數(shù)據(jù)的處理提供了較好的分布式平臺，然而在有大量迭代的計算中該平臺會產(chǎn)生大量磁盤IO，造成計算效率較低。為提高海量軌跡索引的建立和查詢速度，本文采用一種基于Spark平臺的分布式車輛軌跡索引方法，該方法將軌跡數(shù)據(jù)分區(qū)并行處理，利用地圖匹配結(jié)果建立道路-車輛索引，并結(jié)合道路的網(wǎng)格索引實現(xiàn)軌跡的區(qū)域查詢。該方法能夠充分利用集群中各機器的計算性能，能夠根據(jù)數(shù)據(jù)量靈活調(diào)整集群大小，具有較好的擴展性。本文

3、主要從以下幾個方面展開研究:1）軌跡數(shù)據(jù)處理和利用地圖匹配建立道路-車輛關(guān)聯(lián)方法:基于Spark平臺，針對出租車軌跡的特點，研究了軌跡數(shù)據(jù)的分布式處理方法和地圖匹配的方法，建立道路與軌跡之間的關(guān)聯(lián);2)索引結(jié)構(gòu)的建立與查詢方法:利用道路與軌跡段之間的關(guān)聯(lián)關(guān)系，研究了道路-車輛索引的建立方法，結(jié)合道路的網(wǎng)格索引，實現(xiàn)了軌跡數(shù)據(jù)的二級索引結(jié)構(gòu);3）數(shù)據(jù)調(diào)度方法以及分布式處理方法:研究了本文索引在Spark平臺上的并行建立和查詢方法，針對不同