Hadoop在客票日志处理系统中的应用

借助Hadoop技术提出了一种新的架构,用于处理客票系统中产生的海量交易日志.首先将多个业务的数据收集起来并以一定的格式存储在hase与hive中,然后对平台中的数据进行建模分析从中提取出有价值的关键业务信息.目前该系统已经开发完成,切实提高了客票系统维护与运营的水平和效率.     

基于云计算的卡尔曼滤波速度诱导模型研究

利用自适应卡尔曼滤波器来建立城市快速路瞬时交通预测模型,同时通过Hadoop基础框架及Ma—pReduce的编程模型设计和开发了交通属性指标最小约简云处理系统,并在此基础上对车辆进行速度诱导控制,建立了以车辆总行程时间为目标函数的诱导优化模型。并以上海南北高架南段东线为例建立了仿真场景,对模型进行了参数标定与校验,通过有效性与性能分析表明：用云计算能够提高运算效率,且速度诱导控制后,降低了路段上交通流的整体速度差异,提高了交通安全性。     

物联网环境下的重点车辆监控海量信息处理研究

重点车辆监控是借助物联网技术,通过感知设备对重点监控车辆进行识别、定位、跟踪、监控和管理。重点车辆监控平台需面对海量数据的处理问题．云计算信息处理模式为重点车辆信息管理提供了新思路。借助云计算的概念,提出基于Hadoop分布式并行编程框架的重点车辆信息管理模式和基于MapReduce编程模型的重点车辆海量信息处理方案。然后,采用广东省的重点车辆监控平台的历史数据作为样本,搭建基于Hadoop的重点车辆海量信息处理测试平台。实验结果表明,该平台能够实现物联网环境下的重点车辆海量数据的快速处理与查询．满足实时监控的要求。     

基于Hadoop的自动售票日志分析系统设计

通过对自动售票系统日志数据分析,不仅能了解系统的运行状况,还能在日常维护中更容易地发现问题,降低维护成本,提高维护的效率.针对这一目的,本文基于Hadoop框架设计一个自动售票系统的日志分析系统,搭建Hadoop集群环境,并对处于不同自动售票应用服务器上的日志进行收集,针对自动售票系统日志的特点,编写Map/Reduce算法,对收集到的日志进行分析处理,使其结果满足需求,同时,验证基于Hadoop的自动售票日志分析系统的有效性及可行性.     

互联网定制公交的网络调度模型及其求解算法

针对互联网定制公交服务模式中存在的路线规划不合理、缺乏成熟的通用模型等问题,本文首先采用K-mean算法对居民的实时出行需求进行聚类,在此基础上构建了面向互联网定制公交,以最大需求服务率和最小费用为双层目标,以最大载客量和乘客时间阈值等因素为约束条件的动态网络调度模型,进而针对模型的快速求解设计了基于Hadoop平台的并行蚁群算法.以广州市为例,对模型与算法的有效性、实时性进行检验,结果表明,所提出模型和算法可应用于实际互联网定制公交业务中,对推进"互联网+交通运输"具有积极的意义.