基于交通時空大數(shù)據(jù)的異常行為模式挖掘研究.pdf

1、在智能交通系統(tǒng)中，物聯(lián)網(wǎng)技術(shù)被廣泛用于監(jiān)控和管理交通參與者的流動情況，由此產(chǎn)生的海量交通時空數(shù)據(jù)為我們研究復(fù)雜多變的交通網(wǎng)絡(luò)提供了基礎(chǔ)，然而日益膨脹的數(shù)據(jù)量使得傳統(tǒng)的數(shù)據(jù)分析方法已無法滿足實際的應(yīng)用需求。因此，如何利用日益成熟的大數(shù)據(jù)處理方法，并結(jié)交通時空數(shù)據(jù)的具體特性來開展相關(guān)研究，為促進交通網(wǎng)絡(luò)的健康發(fā)展提供技術(shù)支持具有十分重要的意義。
　　本文聚焦交通時空數(shù)據(jù)中的異常行為模式挖掘研究，結(jié)合不同的應(yīng)用場景，提出了速度異常和浮動

2、車越界行駛異常兩種異常模型，并給出了對應(yīng)的時空異常挖掘算法。針對速度異常探測，其關(guān)鍵在于如何從海量的車輛監(jiān)控數(shù)據(jù)中快速獲取車輛的行駛速度。據(jù)此，本文結(jié)合不同的應(yīng)用場景并利用大數(shù)據(jù)處理方法和數(shù)據(jù)流技術(shù)給出了相應(yīng)的探測算法實現(xiàn)。而對于浮動車越界行駛異常探測，其問題本質(zhì)在于空間點面位置關(guān)系的判斷。據(jù)此，本文提出了基于地理柵格的多層?xùn)鸥衲Ｐ?，并利用HBase對該模型的信息存儲和數(shù)據(jù)查詢進行了實現(xiàn)，從而解決了該問題。
　　此外，本文還分別對