时空大数据的伴随车高效挖掘算法研究  

A New Effective Mining Method for Accompanying Passing-Vehicles in Big Spatial and Temporal Data of Traffic

作　　者：方炜[1] 李万清[1] 俞东进[1] 袁友伟[1] 黄东发 

机构地区：[1]杭州电子科技大学计算机学院,浙江杭州310018 [2]杭州诚道科技有限公司,浙江杭州310018

出　　处：《工业控制计算机》2016年第3期18-20,共3页Industrial Control Computer

摘　　要：近年来越来越多的犯罪团伙利用机动车作案,结伴而行简称伴随,为了快速准确地识别海量交通流中的伴随车,提出了时空大数据的伴随车高效挖掘算法(Frequent Sequences of Spatial and Temporal data,文中称之为FSST),并根据伴随车嫌疑度计算方法计算出伴随车的嫌疑大小。实验证明FSST算法在准确性、执行时间和内存使用等方面优于传统的Apriori和Sequence-Growth频繁项集算法。In recent year,criminal gang use vehicle crime something,going with is called accompanying.This paper proposes the algorithm FSST in the spatio-temporal big data based on Map Reduce to recognize accompanying vehicle quickly and accurately in the great traffic data.The method of the accompanying vehicle＇s suspicion degree is given,which computes the accompanying vehicle＇s suspicion.

关 键 词：伴随车 频繁项集 交通流 数据挖掘 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]