公共交通大数据平台架构服务模式研究
发布时间：2020-09-18 19:26
大数据的时代正在上演,数据在各行各业中发挥着越来越重要的作用,智能交通是智慧化城市建设的重要组成部分,构建一个符合大数据环境下的公共交通大数据平台尤为重要,面对公共交通行业数据量大、结构复杂,采用何种方式进行大数据的集成;政府和公共交通企业如何在管理上转变服务模式以适应大数据的发展;这些都是政府和公共交通公司在大数据下的挑战,也是本文研究的重点。本文针对公共交通数据海量、分散、多源、异构等现状,在跨公司、跨平台现状下,提出来公共交通大数据平台的核心思想,采用了数据仓库、SOA和Portal的集成方式,以数据为线索逐级分层,构建了公共交通大数据平台架构,整体架构平台自下而上为数据来源层、大数据数据层、大数据逻辑层和大数据表现层,本文重点研究公共交通大数据框架的构建,为后续的具体实现提供可行性分析和理论依据;鉴于单纯的平台技术实现无法满足大数据时代公共交通行业的发展,政府和企业的管理模式也应相应进行调整,本文也提出了大数据下公共交通服务模式的改革措施,从交通部门(政府)和公共交通企业两个方面阐述了具体实施的关注点,为政府和公共交通企业制定适应大数据下的公共交通管理政策提供参考。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2014
【中图分类】：F572;F49
【部分图文】：
4.1.1 数据集成技术伴随着人们的日常出行，公交、地铁、自行车和出租车体系等不同系统数据每天都以 PB 级的速度在增长，要通过大数据平台进行整合，解决数据的多元异构性，实现数据融合是需首要解决的问题。从组成的角度看，结构化、半结构化数据和非结构化数据组成了海量的大数据。对于半结构化数据和非结构化数据的集成，可以采用基于 NoSQL 等技术进行集成。由于半结构化和非结构化数据并非公共交通信息系统的主要数据，本文就不再赘述。从实现的体系结构来看，海量的结构化数据的集成方法主要包括联邦数据库、中间件技术和数据仓库技术。联邦数据库转换多源的数据格式，实现系统之间的通信、交流和信息传递。但因需要编写大量的接口程序，开发难度和系统的耦合性较高，因此并不适用于公共交通行业。中间件技术则是依靠软件将异构数据转换成预先设计好的数据模式。但该方法不适于改变数据的存储和管理方式，对于实时多变的公共交通数据并不适用。数据仓库提供了容纳大量信息的场所，通过与数据挖掘技术的结合，可从海量繁杂的数据中真正找出有价值的信息和知识[24]。传统的数据仓库技术体系结构如图 4.1 所示：
4.1.1 数据集成技术伴随着人们的日常出行，公交、地铁、自行车和出租车体系等不同系统数据每天都以 PB 级的速度在增长，要通过大数据平台进行整合，解决数据的多元异构性，实现数据融合是需首要解决的问题。从组成的角度看，结构化、半结构化数据和非结构化数据组成了海量的大数据。对于半结构化数据和非结构化数据的集成，可以采用基于 NoSQL 等技术进行集成。由于半结构化和非结构化数据并非公共交通信息系统的主要数据，本文就不再赘述。从实现的体系结构来看，海量的结构化数据的集成方法主要包括联邦数据库、中间件技术和数据仓库技术。联邦数据库转换多源的数据格式，实现系统之间的通信、交流和信息传递。但因需要编写大量的接口程序，开发难度和系统的耦合性较高，因此并不适用于公共交通行业。中间件技术则是依靠软件将异构数据转换成预先设计好的数据模式。但该方法不适于改变数据的存储和管理方式，对于实时多变的公共交通数据并不适用。数据仓库提供了容纳大量信息的场所，通过与数据挖掘技术的结合，可从海量繁杂的数据中真正找出有价值的信息和知识[24]。传统的数据仓库技术体系结构如图 4.1 所示：
本文编号：2822077
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2014
【中图分类】：F572;F49
【部分图文】：
4.1.1 数据集成技术伴随着人们的日常出行，公交、地铁、自行车和出租车体系等不同系统数据每天都以 PB 级的速度在增长，要通过大数据平台进行整合，解决数据的多元异构性，实现数据融合是需首要解决的问题。从组成的角度看，结构化、半结构化数据和非结构化数据组成了海量的大数据。对于半结构化数据和非结构化数据的集成，可以采用基于 NoSQL 等技术进行集成。由于半结构化和非结构化数据并非公共交通信息系统的主要数据，本文就不再赘述。从实现的体系结构来看，海量的结构化数据的集成方法主要包括联邦数据库、中间件技术和数据仓库技术。联邦数据库转换多源的数据格式，实现系统之间的通信、交流和信息传递。但因需要编写大量的接口程序，开发难度和系统的耦合性较高，因此并不适用于公共交通行业。中间件技术则是依靠软件将异构数据转换成预先设计好的数据模式。但该方法不适于改变数据的存储和管理方式，对于实时多变的公共交通数据并不适用。数据仓库提供了容纳大量信息的场所，通过与数据挖掘技术的结合，可从海量繁杂的数据中真正找出有价值的信息和知识[24]。传统的数据仓库技术体系结构如图 4.1 所示：
4.1.1 数据集成技术伴随着人们的日常出行，公交、地铁、自行车和出租车体系等不同系统数据每天都以 PB 级的速度在增长，要通过大数据平台进行整合，解决数据的多元异构性，实现数据融合是需首要解决的问题。从组成的角度看，结构化、半结构化数据和非结构化数据组成了海量的大数据。对于半结构化数据和非结构化数据的集成，可以采用基于 NoSQL 等技术进行集成。由于半结构化和非结构化数据并非公共交通信息系统的主要数据，本文就不再赘述。从实现的体系结构来看，海量的结构化数据的集成方法主要包括联邦数据库、中间件技术和数据仓库技术。联邦数据库转换多源的数据格式，实现系统之间的通信、交流和信息传递。但因需要编写大量的接口程序，开发难度和系统的耦合性较高，因此并不适用于公共交通行业。中间件技术则是依靠软件将异构数据转换成预先设计好的数据模式。但该方法不适于改变数据的存储和管理方式，对于实时多变的公共交通数据并不适用。数据仓库提供了容纳大量信息的场所，通过与数据挖掘技术的结合，可从海量繁杂的数据中真正找出有价值的信息和知识[24]。传统的数据仓库技术体系结构如图 4.1 所示：
【参考文献】
相关期刊论文 前2条
1 杨胜,李莉,胡福乔,施鹏飞;基于决策树的城市短时交通流预测[J];计算机工程;2005年08期
2 冯芷艳;郭迅华;曾大军;陈煜波;陈国青;;大数据背景下商务管理研究若干前沿课题[J];管理科学学报;2013年01期
本文编号：2822077
本文链接：https://www.wllwen.com/jingjilunwen/jtysjj/2822077.html
