基于Spark的出租車軌跡組織方法研究.pdf

1、軌跡作為一種典型的時(shí)空數(shù)據(jù)，近年來(lái)被越來(lái)越多地應(yīng)用于道路變化檢測(cè)、出行模式探究以及城市熱點(diǎn)分析等研究課題。隨著數(shù)據(jù)量的不斷增大，軌跡的快速檢索也越來(lái)越重要，傳統(tǒng)的空索引方法通常使用增加時(shí)間維或時(shí)間快照的方式擴(kuò)展二維空間索引。不同于普通地物，軌跡數(shù)據(jù)由大量的線段構(gòu)成，傳統(tǒng)的索引直接應(yīng)用于軌跡數(shù)據(jù)會(huì)造成空間重合率高、快照時(shí)間點(diǎn)插值等問題。使用針對(duì)移動(dòng)對(duì)象的軌跡索引可以取得一定的改善，但在數(shù)據(jù)量日益增加的情況下，往往也力不從心。
　　近

2、年來(lái)Hadoop生態(tài)環(huán)境發(fā)展迅速，為海量軌跡數(shù)據(jù)的處理提供了較好的分布式平臺(tái)，然而在有大量迭代的計(jì)算中該平臺(tái)會(huì)產(chǎn)生大量磁盤IO，造成計(jì)算效率較低。為提高海量軌跡索引的建立和查詢速度，本文采用一種基于Spark平臺(tái)的分布式車輛軌跡索引方法，該方法將軌跡數(shù)據(jù)分區(qū)并行處理，利用地圖匹配結(jié)果建立道路-車輛索引，并結(jié)合道路的網(wǎng)格索引實(shí)現(xiàn)軌跡的區(qū)域查詢。該方法能夠充分利用集群中各機(jī)器的計(jì)算性能，能夠根據(jù)數(shù)據(jù)量靈活調(diào)整集群大小，具有較好的擴(kuò)展性。本文

3、主要從以下幾個(gè)方面展開研究:1）軌跡數(shù)據(jù)處理和利用地圖匹配建立道路-車輛關(guān)聯(lián)方法:基于Spark平臺(tái)，針對(duì)出租車軌跡的特點(diǎn)，研究了軌跡數(shù)據(jù)的分布式處理方法和地圖匹配的方法，建立道路與軌跡之間的關(guān)聯(lián);2)索引結(jié)構(gòu)的建立與查詢方法:利用道路與軌跡段之間的關(guān)聯(lián)關(guān)系，研究了道路-車輛索引的建立方法，結(jié)合道路的網(wǎng)格索引，實(shí)現(xiàn)了軌跡數(shù)據(jù)的二級(jí)索引結(jié)構(gòu);3）數(shù)據(jù)調(diào)度方法以及分布式處理方法:研究了本文索引在Spark平臺(tái)上的并行建立和查詢方法，針對(duì)不同