[01402737]基于NoSQL云数据库的海量交通数据采集与挖掘方法研究

续增长的车辆数量、居高不下的出行压力对高效的智能交通基础设施具有强大的需求。因此,研究基于数据驱动的车辆监控管理系统和融入多源信息的智能交通深度数据挖掘平台具有重要的现实意义。首先,数据驱动型智能交通平台具有非常丰富的应用前景,可以实现车辆智能化管理和轨迹追踪、实时路况探测、自适应交通控制、视频监控和目标识别、流量预测及拥堵原因分析等。这些普适功能可以有效提高交通工具的使用效率,保障车辆和人员的安全,缓解交通拥堵,减少能源消耗,对智慧城市道路规划、环境改善具有深远的意义。其次,本项目研究海量交通运输信息的可行收集和管理方法,所采用的理论、方法及技术,对大数据技术的发展有非常积极的推动作用。 通过本课题研究智慧交通框架下海量终端的大容量和高效率的数据采集的核心方法。总体目标是充分利用内存文件管理模型建立海量异质设备大容量、非阻塞数据采集平台,实现多源信息实时融合、分布式存储和管理的核心理论问题。具体目标是采用内存共享模型完成海量交通终端数据大容量、非阻塞的采集和实时多源数据融合,利用NoSQL 云数据库对收集的海量交通信息进行分析、处理、挖掘,构建适合多目标自适应路径服务质量模型,分析实时路况对智能交通规划的影响,利用回归分析、贝叶斯分析等方法演化和回归获得路径概率密度随机模型和周期性随机模型,探究自适应的路径规划方法。