Resumen

La división de subáreas de tráfico es vital para la gestión del sistema de tráfico y el análisis de la red de tráfico en sistemas de transporte inteligente (ITSs). Dado que los métodos existentes pueden no ser adecuados para el procesamiento de grandes volúmenes de datos de tráfico, este documento presenta un algoritmo Par3PKM (Paralelo Three-Phase -Means) basado en MapReduce para resolver el problema de división de subáreas de tráfico en una plataforma de cómputo distribuido Hadoop ampliamente adoptada. Específicamente, primero modificamos la métrica de distancia y la estrategia de inicialización de -Means y luego empleamos un paradigma MapReduce para rediseñar el algoritmo optimizado de -Means para el agrupamiento paralelo de trayectorias de taxis a gran escala. Además, proponemos un método para identificar los límites que conectan los bordes de los resultados de agrupamiento para cada cluster. Finalmente, dividimos la subárea de tráfico de Beijing basada en conjuntos de datos de trayectorias del mundo real generados

• Materias:Ecuaciones en diferencias Ecuación unidimensional Filtrado de información Prevención de interbloqueos Sistemas estocásticos
• Subjects:Difference equations One-dimensional equation Information filtering Interlock prevention Stochastic systems
• Palabras claves:División de subáreas de tráfico; Gestión del sistema de tráfico; Análisis de redes de tráfico; Sistemas de transporte inteligente; Algoritmo de K-Means Paralelo de Tres Fases basado en MapReduce; Plataforma de computación distribuida Hadoop
• Keywords:Traffic subarea division; Traffic system management; Traffic network analysis; Intelligent transportation systems; MapReduce-based Parallel Three-Phase -Means algorithm; Hadoop distributed computing platform