基于Hadoop的卡口數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用.pdf

1、隨著社會(huì)的發(fā)展，人們生活水平在提高，城市汽車保有量呈現(xiàn)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(guān)鍵所在，作為其主要智能設(shè)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(shù)量快速增長，導(dǎo)致卡口系統(tǒng)產(chǎn)生的過車記錄數(shù)迅速膨脹。雖然掌握了大量的卡口數(shù)據(jù)，但是缺少適

2、當(dāng)?shù)姆椒ê图夹g(shù)去挖掘這些海量交通數(shù)據(jù)隱藏的有價(jià)值信息。
　　鑒于此，通過分析城市卡口數(shù)據(jù)特性以及查閱文獻(xiàn)資料，本文以卡口數(shù)據(jù)為研究對象，借助于目前流行的大數(shù)據(jù)處理技術(shù)Hadoop平臺(tái)，結(jié)合相關(guān)數(shù)據(jù)挖掘算法，對海量卡口數(shù)據(jù)在“失駕”挖掘和交通流預(yù)測方面進(jìn)行了研究，為緩解目前較嚴(yán)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(shù)據(jù)的失駕挖掘研究，其主要內(nèi)容包括嫌疑失駕信息獲取、基于時(shí)空鄰域的車輛軌跡聚

3、合分析和失駕車輛時(shí)空軌跡預(yù)測，以及進(jìn)行分布式設(shè)計(jì)。從而形成了一套對“失駕”違法行為發(fā)現(xiàn)、查處的方法。
　　本文通過分析交通流時(shí)空關(guān)聯(lián)特性，給出了基于Hadoop平臺(tái)的K近鄰算法預(yù)測時(shí)間序列交通流和局部線性嵌入算法估計(jì)目標(biāo)路段相鄰上游路段流向系數(shù)預(yù)測空間交通流模型，通過加權(quán)組合，進(jìn)而確定組合預(yù)測模型以提高預(yù)測精度和運(yùn)行效率。
　　最后，通過真實(shí)采集的卡口數(shù)據(jù)，將本文所研究的兩個(gè)挖掘應(yīng)用的分布式算法移植到Hadoop平臺(tái)上實(shí)現(xiàn)，