车联网作为物联网在交通运输领域的典型应用,利用智能交通、移动互联网等多个领域的技术,构建“人-车-路”一体化的开放融合网络系统,实现了对车辆与交通状况的监测、管理,有效提高交通效率、保障交通安全。群智感知车联网解决了如何以低成本获得大量交通流数据的问题,但这些数据的海量特性以及众多并发访问却给传统车联网系统带来了很大的挑战。基于以上背景,本文研究如何利用分布式计算机集群高效地访存群智感知车联网海量数据的问题,具体工作如下:(1)设计并构建群智感知车联网综合应用平台。本文在研究车联网基本架构、数据采集技术以及Hadoop集群架构的基础上,给出了群智感知车联网综合应用平台的总体架构,并完成其中最重要的群智交通数据采集软件的设计以及云服务器集群的构建。前者是基于Android系统开发的具备实时交通数据采集和上传功能的软件,实现群智用户交通数据采集;后者是基于Hadoop分布式计算框架并利用分布式数据库HBase搭建的数据中心,以实现对海量车联网数据的存储与访问。(2)提出一种适合车联网数据的高效存储方案。该方案首先针对车联网数据存在的缺失、重复、异常等数据质量问题进行数据预处理,尤其针对轨迹数据中定位数据的偏差予以校正,并通过地图匹配增加定位经纬度位置对应的道路信息,为后续的数据查询提供了便利。其次,根据群智感知车联网数据的海量特点和实际访问需求,在分析HBase数据存储模型的基础上,分别对轨迹数据和移动终端采集数据做列族与行键设计,最终设计出一种能使数据得到合理存储并提高后期数据访问效率的存储表结构。(3)设计多种车联网海量数据查询模式。基于第(2)点所提的存储方案并结合实际应用,设计应用于群智感知车联网的数据查询模式,实现对车辆驾驶情况、路段车流量、区域车流量、移动终端附近车辆等交通信息的查询功能。最后,本文在群智感知车联网综合应用平台上验证了存储方案的性能和查询模式的可行性,结果表明本文所提出的存储方案具备更高的访问效率,查询功能正确可靠,能提供科学、准确的交通信息服务,对群智感知车联网的实际应用具有重要意义。