论文部分内容阅读
车载自组织网络是智能交通系统中重要的组成部分,车载自组织网络的研究有助于改善交通系统、供应链管理以及物流。随着车载终端越发智能化,简单的服务应用能够产生、收集的信息数据量越来越多,并且数据类型也趋于复杂,车载系统的存储和处理负荷变得更加沉重。如何解决车载自组织网络海量复杂数据的存储和处理,如何有效保证车载自组织网络数据信息的传播,始终是车载自组织网络研究中的重点问题。如今云计算和大数据技术吸引了越来越多的关注并应用于不同的研究领域。本文重点阐述了车载自组织网络中的几点关键问题,具体映射大数据的“4V”特征,构建基于Hadoop的车载云大数据处理平台,将车辆应用数据的存储和对其进行的计算都集中在“云”中,利用分布式计算框架MapReduce对数据进行批处理寻找路由最短路径,将大数据处理平台包装成一个整体对外发布的服务,满足车载用户的体验需求。本文的研究内容主要包含以下几个方面：(1)车载自组织网络中的大数据问题探讨。本文分析了车辆信息数据流的流动性、分布性、动态性和不确定性等特点,映射大数据的“4V”特征,验证车载自组织网络中的有些问题可被当作大数据问题,探索新的解决路由发现思路。(2)车载云大数据处理平台架构研究。本文选用开源的Hadoop作为车载大数据研究的基础平台,构建基于Hadoop的车载云大数据处理平台,可兼容离线、近实时和实时环境下的不同业务场景,解决车载自组织网络涉及的海量复杂数据的存储和处理问题。(3)分布式并行路由算法的设计和实现。路由协议保证在车辆节点之间建立有效的路由连接传递消息,并在车辆行驶中随着网络拓扑的改变调整路由连接的有效性。针对车载自网络的特点,本文创新在于,基于传统串行Dijkstra算法的基础上,对其进行改进使之并行化运行在分布式Hadoop集群上,验证其对于大规模数据集最短路径求取的性能提升,对于复杂多变的车载自组织网络路由发现具有重要意义。