交通数据实时处理是当前智能交通系统中的一个热点研究问题,通过对不同设备采集的海量交通数据进行准确、高效的实时计算能够为各类交通管理业务和交通信息服务提供有效的支撑,帮助解决交通拥堵等诸多交通管理问题。交通数据实时处理具有数据连续、计算时延短、计算不间断、多类型数据混合等特点。本文以实验室承担的某大型城市车辆缉查防控系统中基于车牌识别数据流的违章车辆实时甄别处理为背景,提出了一套海量交通数据实时处理方法,设计了基于Storm的海量交通数据实时处理平台,并针对Storm原始调度存在的负载倾斜问题重点研究了面向交通实时处理作业的调度技术。论文的主要工作包括:1)基于对交通数据特征的分析,提出了一套海量交通数据实时处理方法,界定了数据接入、数据组织、数据计算、结果输出等海量交通数据实时处理关键步骤的内容,并结合现有流式计算模型对上述步骤涉及的数据接受预处理、多类型的数据接入、数据在节点中的索引结构、数据在节点间的组织方式以及数据输出接口等关键技术进行了分析和描述。2)对海量交通数据实时处理中的任务调度问题进行了深入研究。为提高交通数据实时处理的性能,解决Storm默认调度策略存在的调度方式单一、节点之间负载不均衡等问题,提出一种基于固定节点直接分配的FNS调度策略和一种基于负载均衡的LBS调度策略,并实现了与之对应的任务调度器,实验表明基于FNS算法的调度器能够将一些运算简单的交通作业固定分配在一个单一工作节点上,基于LBS算法的调度器每次能从资源数最多的节点开始任务分配。3)设计并实现一个基于Storm的海量交通数据实时处理平台。基于该平台,实现了套牌车辆甄别等违章车辆自动甄别应用中的实时计算算法,并利用真实交通数据集模拟实时交通流数据进行了实验和评估,验证了交通数据实时计算的实时性和准确性。