面向时空轨迹流的共同运动模式分布式挖掘算法

TP391; 从轨迹流中挖掘共同运动模式指在同一时间内发现具有相同运动行为的移动对象群体,在交通物流、疫情防控等方面具有重要意义.然而,现有研究面对大规模轨迹流数据难以做到快速响应.因此,本文首先提出了基于滑动窗口的分布式时空轨迹流共同运动模式挖掘算法,使用滑动窗口计算模型代替快照计算模型,利用增量式更新代替重新计算,使算法更适用于无界且快速到达的轨迹流数据,在效率和有效性方面呈现更好的性能.其次,针对分布式流处理系统中由于负载不均导致性能下降问题,提出了自适应多级动态数据分发策略,该策略能够适应轨迹流数据的动态变化,实时监测系统负载情况并根据负载不均的程度做出适当调整.最后,基于分布式流处理...

Full description

Saved in:
Bibliographic Details
Published in数据采集与处理 Vol. 39; no. 5; pp. 1163 - 1181
Main Authors 余舒鹏, 吴春雨, 赵斌, 吉根林
Format Journal Article
LanguageChinese
Published 南京师范大学计算机与电子信息学院/人工智能学院,南京 210023 01.09.2024
Subjects
共同运动模式
负载均衡
时空轨迹流
滑动窗口
spatio-temporal trajectory streams
distributed system
分布式系统
load balance
co-movement patterns
sliding window
Online AccessGet full text

Cover

More Information
Summary:TP391; 从轨迹流中挖掘共同运动模式指在同一时间内发现具有相同运动行为的移动对象群体,在交通物流、疫情防控等方面具有重要意义.然而,现有研究面对大规模轨迹流数据难以做到快速响应.因此,本文首先提出了基于滑动窗口的分布式时空轨迹流共同运动模式挖掘算法,使用滑动窗口计算模型代替快照计算模型,利用增量式更新代替重新计算,使算法更适用于无界且快速到达的轨迹流数据,在效率和有效性方面呈现更好的性能.其次,针对分布式流处理系统中由于负载不均导致性能下降问题,提出了自适应多级动态数据分发策略,该策略能够适应轨迹流数据的动态变化,实时监测系统负载情况并根据负载不均的程度做出适当调整.最后,基于分布式流处理平台Flink实现了上述功能,并通过真实数据集的实验证明本文提出的算法比基准方法具有更快的响应速度和更低的延迟.
ISSN:1004-9037
DOI:10.16337/j.1004-9037.2024.05.009