面向实时数据流的轨迹数据分析平台

摘要

基于轨迹数据的可视化目前是国内外工业界学术界的研究热点，如何综合高效的使用这些数据是实现轨迹数据可视化的一个关键点。然而，这些涉及到各个行业领域、数量庞大的轨迹数据被分门别类的存储在各自的业务系统中，数据的异构、不一致通常导致这些数据在联合分析时不能充分发挥本身的作用，并且这些轨迹数据在原有的业务系统中常常因为存储方式等问题不能很好地被组织提取。而且就目前的轨迹数据可视化产品来说，时间和空间是横亘在这个行业的一大难题。如果考虑到效率，就需要花费大量内存来用于计算，这对于设备的要求非常高;如果想要节省空间，用于数据处理的时间有会大到无法估计，更遑论希望在展示过程中不断加入新的信息记录进行实时处理。
　　基于以上种种现状，本文提出了面向实时数据流的轨迹数据分析平台，从算法和数据结构上对目前的轨迹数据展示方法进行优化，实现对轨迹数据流的实时存储和探索。同时我们用不规则形状代替传统矩形框作为空间探索的基本单元，使得平台的查询结果更具有实际意义。在本文中我们提出了一种新颖的数据存储结构StreamingCubes，利用StreamingCubes中的树结构，我们的系统能够快速处理到来的轨迹数据流，从而实现轨迹数据的实时展示。除此之外，我们的系统能够支持多粒度多维度的交互式可视查询需求。在本文的最后我们通过一些实验对平台的性能和可扩展性进行了研究。

目录

摘要

1 绪论

1．1 课题研究的背景和意义

1．1．1 课题研究的背景

1．1．2 课题研究的意义

1．2 国内外在该方向的研究现状及分析

1．2．1 国内外的研究现状

1．2．2 国内外的现状分析

1．3 主要研究内容及研究方法

1．3．1 主要研究内容

1．3．2 主要研究方法

1．4 本章小结

2 轨迹数据可视化设计基本理论

2．1 轨迹数据

2．1．1 位置驱动的轨迹数据

2．1．2 时间驱动的轨迹数据

2．1．3 事件驱动的轨迹数据

2．2 轨迹数据可视化

2．3 Nanocubes

2．4 D3．js

2．5 本章小结

3 面向实时数据流的轨迹数据分析平台

3．1 需求分析

3．1．1 总体需求

3．1．2 信息需求

3．1．3 功能需求

3．1．4 性能需求

3．2 算法

3．2．1 定义

3．2．2 构造

3．2．3 更新

3．2．4 实例

3．3 StreamingCubes查询设计要点

3．3．1 混合空间查询

3．3．2 多维分类查询

3．3．3 时变属性查询

3．3．4 StreamingCubes的可视化应用

3．4 本章小结

4 可视化实现与性能评估

4．1 可视化实现

4．2 性能评估

4．3 本章小结

5 结论

参考文献

附录 研究成果列表

声明

致谢