原文传递
MapReduce模式下的短时交通流预测领域软件体系结构
| 论文题名： | MapReduce模式下的短时交通流预测领域软件体系结构 |
| 关键词： | MapReduce模式;短时交通流预测领域软件;体系结构;算法框架 |
| 摘要： | 基于位置数据的短时交通流预测是解决交通拥塞的重要途径之一,而进行基于位置数据的短时交通流预测面临着数据量大、计算量大的问题,同时短时交通流预测领域算法很多,软件开发人员往往针对单一算法进行软件开发,软件开发成本大,而软件可扩展性差。为了解决短时交通流领域的“大数据量,大计算量”问题和软件重用问题,本文提出了MapReduce模式下的短时交通流领域软件体系结构,主要成果包括: 1.提出了MapReduce模式下的短时交通流预测算法框架。通过分析短时交通流预测算法的特征,框架针对短时交通流预测算法中的“时间序列算法”进行设计,使得框架能够适用于一组算法,而不是单一的算法。 2.提出了短时交通流预测领域模型。针对短时交通流预测领域,进行领域分析,确定当前领域边界,提取当前领域的共性需求和变化性需求,进而建立领域模型的场景模型、角色模型、信息模型、特征模型、业务模型。 3.设计了MapReduce模式下的短时交通流预测领域软件体系结构。在短时交通流预测领域模型的基础上,按照MapReduce模式下的短时交通流预测算法框架进行构件设计、子系统设计,最终完成领域软件体系结构的设计。 本文使用MapReduce并行编程模型及其相关技术,在领域工程和软件体系结构的方法论的指导下,对短时交通流领域的MapReduce模式下的体系结构进行领域分析、建模和体系结构的设计,对短时交通流领域的软件研发,具有较强的指导意义。 |
| 作者： | 及东辉 |
| 专业： | 计算机技术 |
| 导师： | 王文俊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
