基于Hadoop的道路匹配算法研究.pdf

1、隨著城市道路交通的快速發(fā)展與車輛數(shù)量的快速增長(zhǎng)和之相關(guān)的交通數(shù)據(jù)量呈現(xiàn)的幾何級(jí)數(shù)的增長(zhǎng),對(duì)于車輛相關(guān)數(shù)據(jù)的處理的準(zhǔn)確性、可靠性和實(shí)時(shí)性都提出了更高的要求。當(dāng)前針對(duì)車輛數(shù)據(jù)處理算法的研究多是以較短時(shí)間間隔的小樣本數(shù)據(jù)為基礎(chǔ),相對(duì)缺乏對(duì)較長(zhǎng)時(shí)間間隔數(shù)據(jù)的匹配算法。同時(shí)現(xiàn)有的數(shù)據(jù)庫管理技術(shù)已經(jīng)難以滿足對(duì)日益增長(zhǎng)的海量浮動(dòng)車數(shù)據(jù)管理和應(yīng)用的需求。針對(duì)這些問題,本文提出了一種基于Hadoop的實(shí)現(xiàn)大樣本浮動(dòng)車GPS數(shù)據(jù)處理的地圖匹配算法。論文的主

2、要研究工作如下：
　　1）通過對(duì)現(xiàn)有非關(guān)系型數(shù)據(jù)庫和傳統(tǒng)的關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)組織方式和應(yīng)用范圍的比較,指出了非關(guān)系型數(shù)據(jù)庫對(duì)于管理海量數(shù)據(jù)存在的優(yōu)勢(shì)與不足，研究學(xué)了Hadoop各組成部分的具體功能、基本原理，重點(diǎn)學(xué)了MapReduce編程思想和分布式處理流程，為下面的研究奠定理論基礎(chǔ)。
　　2）按照車輛定位點(diǎn)與道路的幾何關(guān)系進(jìn)行分類,對(duì)各類典型的地圖道路匹配算法進(jìn)行了回顧，介紹了現(xiàn)有的大樣本車輛數(shù)據(jù)地圖匹配算法的實(shí)現(xiàn)方式,指

3、出了將云計(jì)算應(yīng)用于地圖道路匹配的必要性以及當(dāng)前研究中存在的問題。
　　3）利用并改進(jìn)現(xiàn)有的道路壓縮方法來實(shí)現(xiàn)道路數(shù)據(jù)的預(yù)處理，詳細(xì)的分析了空間因素（包括角度、距離、連通性、時(shí)間因素如上傳間隔、行駛速度等）和歷史匹配結(jié)果對(duì)匹配結(jié)果的影響,改進(jìn)了時(shí)間因素的計(jì)算方式,給出了一種基于匹配度反饋的地圖道路匹配算法,并針對(duì)適用于Hadoop的并行計(jì)算對(duì)該匹配算法進(jìn)行了優(yōu)化處理。
　　4）利用虛擬機(jī)搭建了實(shí)驗(yàn)Hadoop平臺(tái)，對(duì)本文提出的