论文部分内容阅读
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Min Pts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。