孙玉坤　韩聿彪

关键词：MapReduce技术；城市交通；大数据聚类

中图法分类号：TP391 文献标识码：A

1引言

城市智慧交通建设的持续推进，一定程度上也加快了社会的发展，逐步完善了各个城市的交通网，带动了各项产业的进步，在促进产业化的同时，也拉动经济增长。现阶段，城市交通智慧系统多为单向的控制系统，虽然可能实现预期的控制效果及调整目标，但是较容易受到外部环境的影响，导致目标处理过程中形成误差，影响日常的交通管控效果。为避免上述问题的扩大，部分城市选择进行交通系统的升级，构建城市交通大数据聚类挖掘系统，其在应用前期获取了较好的效果，但随着车辆的增多以及路况的复杂化，系统对基础数据的处理速度下降，整体的控制效率也在不断降低。

本文提出基于MapReduce的城市交通大数据聚类挖掘系统的设计与验证。所谓MapReduce技术，主要指的是一种面向大数据并行处理的计算模型、框架和平台，通常与交通控制结构相关联，在外部设备及控制结构的辅助下，逐渐构建一个更为灵活、智慧性更强的城市交通大数据聚类挖掘系统，遵循科学管控的目标，从多个方面进行系统的设计及调整，采用合理的方式对采集的数据定向汇总规划，根据交通轨迹移动数据、人群密度变化等完成数据的驻留分析，从而进一步强化该系统的大数据聚类挖掘能力，为相关工作的执行与落实提供参考依据。

2设计交通大数据MapReduce聚类挖掘系统硬件