论文部分内容阅读
近十年来，各国城市交通拥堵情况变得日益严重。城市人口不断增加，私人交通工具的购买率逐步上升，公共交通工具的使用比例一直在下降。2011年以来各国大力发展大数据的国家战略，将解决交通运输问题作为大数据战略的起点。因此用Hadoop大数据平台解决交通拥堵问题也具有十分重大的意义。目前城市交通运输效率十分低下。交通拥堵情况严重虽然是伴随着城市人口不断增加而出现的，但是最重要的原因还是交通运输系统的落后。从交通运输检测设施返回的数据量庞大无法有效分析，无法通过统计分析得出及时可靠的反馈数据来进行有效的交通管控。只有少数的政府管理人员拥有大量的交通数据，政府交通数据不开放。无法集合全社会的智慧来开发更加有效的交管平台，交通拥堵问题无法得到较好的解决。因此，结合政府或者国有企业开放的大量数据资源，研究Hadoop大数据改善交通拥堵的方法具有重要意义。 本文的主要工作如下: (1)研究大数据平台改善交通拥堵情况的各种方法。由于智能交通管理系统是一个庞大复杂的系统，加上可以收集到用户和车辆信息的方法方式也有很多种，因此大数据改善交通拥堵的方法也是多种多样的。而且每种方法应用于不同场景也会有其各自的优势。例如我们可以将大数据技术应用于交通信号灯的智能控制。通过收集到的实时车辆数据，经过大数据平台的分布式计算方法，可以快速得出最优化控制方法，智能调节整个城区所有路口交通灯时长。 (2)基于Hadoop大数据的行人交通流量预测平台的搭建。Hadoop平台的搭建是进行分析交通相关数据的基础，搭建维护Hadoop平台以及灵活运用Hadoop大数据平台也是非常关键的。Hadoop平台的家族成员正在不断增加，Hadoop的处理数据的方法也逐步丰富，解决交通拥堵问题的能力也将越来越强。 (3)Hadoop平台通过分析移动运营商数据获得大量用户移动轨迹从而预测行人交通流量的实验。通过该实验，我们可以看到Hadoop平台处理庞大数据的能力，通过一个用户日常轨迹的分析，可以预判用户最有可能的移动轨迹。这对于预判交通拥堵情况可能发生的区域有很大的帮助，通过预判可能发生的拥堵区域及时作出调整，可以很大程度上降低交通拥堵情况的发生。