1、移動互聯(lián)網(wǎng)的不斷成熟以及搭載各種傳感器的智能終端的廣泛普及和應(yīng)用催生了一個全新的研究領(lǐng)域----移動群體感知技術(shù)領(lǐng)域。移動群體感知以具有感知能力的移動設(shè)備為載體，以攜帶感知設(shè)備的人以及其所處環(huán)境為感知對象，其特點(diǎn)是充分利用人們隨身攜帶的各種移動設(shè)備如智能手機(jī)等對其本身及其所處的環(huán)境進(jìn)行感知，持續(xù)地獲取感知數(shù)據(jù)并對這些感知數(shù)據(jù)所形成的感知數(shù)據(jù)流進(jìn)行實時分析和處理，進(jìn)而獲取群體的各種行為、現(xiàn)象以及態(tài)勢如交通擁堵態(tài)勢、疾病傳播趨勢等等，以便更

2、好地為人們提供各種各樣的服務(wù)。如何對大規(guī)模移動群體感知數(shù)據(jù)進(jìn)行高效處理是目前該領(lǐng)域重點(diǎn)研究和解決的問題之一。
　　本文針對上述問題，在對移動群體感知的概念內(nèi)涵、特點(diǎn)以及相關(guān)技術(shù)深入分析研究基礎(chǔ)上，重點(diǎn)研究了基于流處理技術(shù)的移動群體感知數(shù)據(jù)流處理模型,進(jìn)而以智能交通為背景，針對智能交通感知數(shù)據(jù)流的特點(diǎn)，重點(diǎn)研究了基于道路拓?fù)涞膶崟r地圖匹配算法以及基于流的快速交通態(tài)勢聚合算法,在此基礎(chǔ)上，以實時流處理平臺S4為基礎(chǔ)進(jìn)行了系統(tǒng)設(shè)計與實現(xiàn)

3、并進(jìn)行了實驗驗證。主要工作體現(xiàn)在如下三個方面：首先，針對大規(guī)模移動群體感知數(shù)據(jù)流數(shù)據(jù)規(guī)模巨大和實時處理問題，提出了一種新的基于流處理的移動感知數(shù)據(jù)流處理模型SSPM，該模型能夠?qū)Ω兄獢?shù)據(jù)流進(jìn)行合理劃分與合并，支持感知數(shù)據(jù)流的重定序、基于規(guī)則的并發(fā)數(shù)據(jù)轉(zhuǎn)換以及感知數(shù)據(jù)流的高效聚合，從而有效地兼顧了大規(guī)模和實時兩方面的特性。其次，以智能交通應(yīng)用為背景，針對大規(guī)模交通感知數(shù)據(jù)流如何在地圖上快速映射與匹配問題，采用高效的區(qū)域劃分方法，提出了一種

4、基于道路拓?fù)涞膶崟r地圖匹配算法，能夠?qū)Υ笠?guī)模交通感知數(shù)據(jù)流進(jìn)行實時映射；針對如何快速地實現(xiàn)態(tài)勢聚合問題，采用基于權(quán)重的路段平均速度計算方法和時間觸發(fā)的交通態(tài)勢更新策略，提出了一種基于路段平均速度的交通態(tài)勢聚合算法，能夠高效地對交通態(tài)勢進(jìn)行快速聚合。最后，以實時流處理平臺S4為基礎(chǔ)進(jìn)行了系統(tǒng)設(shè)計與實現(xiàn)，進(jìn)而搭建了實驗環(huán)境，以真實的大規(guī)模交通感知數(shù)據(jù)流為實驗數(shù)據(jù)，對本文的研究成果進(jìn)行實驗和驗證，并與目前主流的分布式處理平臺Hadoop進(jìn)行了