基于增量时空轨迹大数据的群体挖掘方法

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,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¶llel&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将该方法与已有基于MapReduce的并行ACO方法进行比较,结果表明DPIA方法具有更好的聚类特性.