基于广域分布时空轨迹大数据的群体行为模式挖掘方法

摘要：

针对时空轨迹大数据广域网分布存储条件下的群体行为模式挖掘问题,本文基于MapReduce和ACO (Ant Colony Optimization)算法提出可在广域网环境分布并行增量执行的DPIA(Distributed&Parallel&Incremental ACO)聚类方法.该方法聚类过程分为历史全量阶段和若干周期增量阶段分段持续执行,通过每个周期的增量数据聚类持续修正已有聚类结果,通过MapReduce实现每个阶段聚类运算的广域网分布并行执行,避免时空轨迹大数据的重复聚类运算和拷贝迁移,大大提升运算效率,保持聚类结果准确性.通过江苏道路交通监控系统的实际数据比较该方法与已有基于MapReduce的并行ACO方法,实验结果表明,DPIA方法具有更好的聚类特性.

关键词： 数据库 数据挖掘 群体行为模式 聚类运算 拷贝迁移

作者: 杨杰 李小平 陈湉

作者单位: 东南大学计算机科学与工程学院,南京211189;江苏省公安厅数据中心,南京210024 东南大学计算机科学与工程学院,南京211189

会议类型: 国内会议

会议名称: 第二届CCF大数据学术会议

会议地点: 北京

会议语种:中文

页码: 1-9

在线出版日期: 2014-12-01（万方平台首次上网日期，不代表论文的发表时间）