原文传递
基于Greenplum的交通信息物理系统移动节点查询研究
| 论文题名： | 基于Greenplum的交通信息物理系统移动节点查询研究 |
| 关键词： | 交通信息物理系统;移动节点;位置预测;DBSCAN算法;数据采集 |
| 摘要： | 交通信息物理系统（TCPS）作为支持下一代智能交通系统（ITS）发展的关键技术，具备交通信息系统与交通物理系统深度融合的特点。在当前交通路网当中，交通物理系统的各种数据采集设备和探测设备，如路口线圈、测速监控、交通违法监控、移动终端等硬件的建设正在不断完善，分布如此广泛的数据采集设备，每天都会产生海量的交通数据。海量的交通大数据是交通领域的宝贵资源。如何有效地解决海量交通数据的存储问题是目前的当务之急。基于交通大数据的数据挖掘技术成为解决诸多交通问题的关键技术。近年来，基于位置的智能服务为移动节点轨迹数据挖掘提供新的方向。Greenplum作为新一代数据库引擎，与其他关系型数据库相比，具有大规模存储、并行处理、强大的工作效率、低成本的硬件平台等优点。非常适合作为大数据的存储系统，本文采用当前主流的大规模并行数据仓库Greenplum作为交通大数据的存储和处理系统，基于Greenplum数据仓库架构设计了交通信息物理系统大数据平台，通过对移动节点的GPS历史轨迹数据进行分析，实现移动节点的位置查询和预测，具有重要的研究价值和现实意义。 文中首先介绍了TCPS层次架构，并分析了TCPS的特点及其关键技术。其次，介绍了Greenplum数据仓库的整体架构，并通过对比目前主流的商业数据库，重点分析了Greenplum的特点以及在处理交通大数据中的优势，设计了交通信息物理系统大数据平台。然后分析了利用Python编程语言操作Greenplum数据库的具体方法。基于移动节点GPS历史轨迹的主要特点以及位置预测的需求，提出先对GPS历史轨迹数据进行去重后进行聚类的改进的DBSCAN算法，并利用Python进行编程实现，紧接着对移动节点GPS历史数据去噪、算法准确率和效率等进行了详细的分析，确定了参数聚类半径Eps和聚类点数MinPts的取值方法。在此基础之上，运用预测序列与数据库中聚类结果进行匹配，这样最大限度地提高了系统运行效率，利用测试数据集分析了匹配算法的性能。仿真结果表明，本文的改进DBSCAN算法和匹配算法性能较优越，可以有效地实现对移动节点未来位置的预测。 |
| 作者： | 吴杰 |
| 专业： | 仪器仪表工程 |
| 导师： | 汪治华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
