96 / 2024-08-15 16:57:00

利用大规模时空数据和分布式计算创新空中交通分析

大规模时空数据分析,时空连接,FeatureRDD,RasterRDD,空中交通流量分析

随着全球经济的快速发展和国际化进程的加速，越来越多旅客选择飞机作为长途旅行的交通工具，这使得航空公司需要不断增加航班数量，以满足日益增长的市场需求。然而，随着航班数量的增加，空中交通管理变得愈发复杂，加深了对更为先进的分析工具和软件直播观看的需求。

大规模时空数据分析软件直播观看在此背景下，展现出了独特的优势，能够帮助研究人员和航空管理机构深入挖掘航班流动的规律，优化航线布局，并提升空中交通管理的效率。然而，全球航班数据固有的数据密集型和计算密集型特征给数据存储、计算和分析软件直播观看带来了挑战。应对这些挑战需要一个能够存储、查询、分析和可视化大规模时空数据的可扩展且高效的框架。

本研究开发了一个框架，以便于处理空中交通流量的大规模地理空间数据，该框架具有高度的兼容性、灵活性和可扩展性。该框架建立在虚拟化计算基础设施、分布式计算架构和云原生环境之上。在这一框架中测试了一组全面的时空连接操作符，时空连接操作符是时空数据分析的核心工具，它们能够将不同数据源中的信息进行有效整合，发现数据之间的关联和模式。为了实现这些操作符的分布式处理，开发了基于弹性分布式数据集（RDD）构建的分布式时空分析工具——FeatureRDD和RasterRDD。本研究利用Apache Spark Streaming框架进行实时地理空间处理。此外，本研究还开发了开源GIS工具以充分利用云计算和时空大数据平台的优势。这些工具不仅支持时空数据的高效处理，还能够与其他地理空间分析工具进行集成，进一步提升了框架的适用性和扩展性。

在云原生地理空间环境中利用本研究设计框架对全球航班流量进行了基准实验。实验结果显示，该框架在处理时空数据方面的性能显著提升，计算效率提高了十倍以上。这一结果不仅证明了框架的有效性，也展示了其在实际应用中的巨大潜力。