1、移動(dòng)互聯(lián)網(wǎng)、衛(wèi)星定位、LBS等技術(shù)的迅速發(fā)展，推動(dòng)了車(chē)聯(lián)網(wǎng)行業(yè)的進(jìn)步，但也為其帶來(lái)了新的挑戰(zhàn)。車(chē)聯(lián)網(wǎng)云數(shù)據(jù)中心與綜合服務(wù)平臺(tái)匯聚了關(guān)于車(chē)輛位置、狀態(tài)、速度、加速度、路網(wǎng)等非結(jié)構(gòu)化的海量車(chē)聯(lián)網(wǎng)數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)分析技術(shù)已經(jīng)無(wú)法滿(mǎn)足當(dāng)前規(guī)模的車(chē)聯(lián)網(wǎng)數(shù)據(jù)處理的需求。因此，本文提出引進(jìn)分布式計(jì)算技術(shù)和數(shù)據(jù)存儲(chǔ)技術(shù)，構(gòu)建云服務(wù)信息化平臺(tái)，從而實(shí)現(xiàn)對(duì)車(chē)輛進(jìn)行高效實(shí)時(shí)監(jiān)控和調(diào)度管理。主要的貢獻(xiàn)如下:
　　1、針對(duì)傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)無(wú)法承載海量數(shù)據(jù)的

2、存儲(chǔ)，突破了單表存儲(chǔ)的上限，且數(shù)據(jù)的查詢(xún)和寫(xiě)入性能呈現(xiàn)指數(shù)級(jí)別地下降的問(wèn)題，同時(shí)考慮車(chē)載終端采集的數(shù)據(jù)海量、高速、非結(jié)構(gòu)化等特點(diǎn)，本文基于HBase與Redis緩存數(shù)據(jù)庫(kù)設(shè)計(jì)和實(shí)現(xiàn)了車(chē)聯(lián)網(wǎng)數(shù)據(jù)的存儲(chǔ)和查詢(xún)優(yōu)化系統(tǒng)。具體地，利用非關(guān)系型、高性能、可擴(kuò)展的分布式數(shù)據(jù)庫(kù)HBase做存儲(chǔ)，內(nèi)存數(shù)據(jù)庫(kù)Redis做數(shù)據(jù)緩存。此外，為了提高存儲(chǔ)，查詢(xún)效率，節(jié)省存儲(chǔ)空間，分別從RowKey設(shè)計(jì)，服務(wù)器預(yù)分區(qū)，Redis緩存策略，集群參數(shù)調(diào)整等方面進(jìn)行優(yōu)

3、化。實(shí)驗(yàn)表明，HBase數(shù)據(jù)寫(xiě)入和查詢(xún)性能都有所提升，滿(mǎn)足了非結(jié)構(gòu)化車(chē)聯(lián)網(wǎng)大數(shù)據(jù)存儲(chǔ)需求。
　　2、針對(duì)傳統(tǒng)車(chē)聯(lián)網(wǎng)平臺(tái)在處理海量數(shù)據(jù)時(shí)存在吞吐量小，實(shí)時(shí)性差的問(wèn)題，本文設(shè)計(jì)了一種基于大數(shù)據(jù)流處理技術(shù)的實(shí)時(shí)分析系統(tǒng)。根據(jù)系統(tǒng)高并發(fā)接入以及實(shí)時(shí)性的需求，引入Storm實(shí)時(shí)計(jì)算系統(tǒng)進(jìn)行數(shù)據(jù)的實(shí)時(shí)分析。利用Kafka消息隊(duì)列的異步通信機(jī)制將各層之間解耦，采用HBase進(jìn)行海量數(shù)據(jù)存儲(chǔ)，滿(mǎn)足車(chē)聯(lián)網(wǎng)非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)需求。進(jìn)一步針對(duì)訪(fǎng)問(wèn)數(shù)據(jù)庫(kù)開(kāi)

4、銷(xiāo)大的問(wèn)題，采用Redis緩存策略，提高查詢(xún)效率。最后實(shí)驗(yàn)證明，該系統(tǒng)具有低延遲，高吞吐，可拓展性等特點(diǎn)，能夠滿(mǎn)足車(chē)輛網(wǎng)大數(shù)據(jù)流處理要求。
　　3、在車(chē)聯(lián)網(wǎng)海量數(shù)據(jù)處理方面，本文重點(diǎn)關(guān)注車(chē)輛軌跡數(shù)據(jù)挖掘問(wèn)題。主要圍繞車(chē)輛軌跡數(shù)據(jù)預(yù)處理、停留點(diǎn)提取、軌跡聚類(lèi)和位置服務(wù)等問(wèn)題展開(kāi)研究。具體地，在停留點(diǎn)提取的問(wèn)題上，綜合考慮軌跡數(shù)據(jù)的時(shí)間，速度，空間等多維屬性，提出停留點(diǎn)預(yù)選區(qū)，結(jié)合改進(jìn)后的K-Means算法對(duì)停留點(diǎn)預(yù)選區(qū)進(jìn)行聚類(lèi)，獲取