基于Spark计算框架的路网核密度估计并行算法

发布时间：2021-04-28 10:39

　　路网核密度估计是路网约束下针对事件点的聚类分析方法,常用于研究交通事故、城市犯罪、车辆轨迹等事件的空间分布模式。传统单机串行的路网核密度估计算法在小数据量条件下的运行效率较高,但随着数据量的增加,算法性能显著下降,无法满足实际应用需求。针对路网核密度估计中的道路网分割和核密度计算,设计并实现了基于Spark计算框架的高效并行算法。以交通事故为例,通过4组实验进行对比分析。结果表明,基于Spark计算框架的路网核密度估计并行算法具有较高的运算效率,并具备良好的可拓展性。 

【文章来源】：武汉大学学报(信息科学版). 2020,45(02)北大核心EICSCD

【文章页数】：7 页

【文章目录】：
1 路网约束条件下的核密度估计并行算法
    1.1 路网约束条件下的核密度估计
    1.2 Spark并行计算模型
    1.3 算法设计
2 实验结果及算法分析
    2.1 实验数据及实验环境
    2.2 实验结果与分析
        2.2.1 线性单元长度和带宽长度对计算时长的影响
        2.2.2 带宽长度对空间分布模式的影响
        2.2.3 线性单元长度对空间分布模式的影响
    2.3 算法分析
        2.3.1 加速比分析
        2.3.2 可拓展性分析
3 结语


【参考文献】：
期刊论文
[1]利用GPS轨迹二次聚类方法进行道路拥堵精细化识别[J]. 付子圣,李秋萍,柳林,周素红.  武汉大学学报(信息科学版). 2017(09)
[2]利用核密度与空间自相关进行城市设施兴趣点分布热点探测[J]. 禹文豪,艾廷华,杨敏,刘纪平.  武汉大学学报(信息科学版). 2016(02)
[3]道路网约束下的事件时空交互检验方法研究[J]. 佘冰,朱欣焰,苏科华,呙维,徐晓.  武汉大学学报(信息科学版). 2015(03)
[4]一种并行计算的流数据Delaunay构网算法[J]. 李坚,李德仁,邵振峰.  武汉大学学报(信息科学版). 2013(07)



本文编号：3165332