基于MAPREDUCE并行處理的軌跡模式挖掘算法的研究

引言

隨著我國經(jīng)濟社會的穩(wěn)步推進，各大城市的發(fā)展取得了 令人矚目的成就。與此同時，大城市的機動車保有量與日俱增, 交通擁擠的問題日益嚴重。盡管市政和交通管理部門投入了大 量的人力、物力和財力建設，但城市交通擁堵現(xiàn)象仍然不能 有效解決。要做到合理分布交通流，使單位時間的道路通行 量最大且使用效率高，就需要做到合理規(guī)劃和預測路網(wǎng)中車 輛軌跡和車輛路徑。本文提出基于改進FP-Growth算法的車 輛預測方法，利用Map/Reduce編程進行大數(shù)據(jù)的并行計算, 提高了算法效率，解決了交通管理部門監(jiān)測當前時間車流量信 息的目的，為交通管理部門和相關車輛及時發(fā)布預警信息提供 了決策支持。

1 FP-Growth算法概述

J.W.Han等人克服了 Apriori算法產生基數(shù)龐大的候 選集和在計算支持度時多次掃描數(shù)據(jù)庫的弱點，提出FP- Growth 算法。其思想是通過掃描2次數(shù)據(jù)庫構造FP-Tree和 Header Table，從而得到用于頻繁項集挖掘的壓縮的數(shù)據(jù)庫映 射，然后對每個頻繁項構造其條件FP-Tree進行頻繁項集的 挖掘，最終得到頻繁項集。與Apriori算法比較FP-Growth算 法不產生候選集，采用FP-Tree壓縮所有能夠提供頻繁項信息 的項集，節(jié)省了時間和空間的消耗，相對Apriori算法的執(zhí)行 速度和內存消耗已經(jīng)有了一個數(shù)量級的改善。

FP-Growth 改進

由于FP-Growth是基于內存駐留的算法，在頻繁項挖掘 時遞歸生成大量條件FP-Tree，當數(shù)據(jù)庫達到一定規(guī)模時，基于內存的FP-Tree已經(jīng)無法有效應對，極容易造成內存溢出， 這正是FP-Growth算法的瓶頸所在。因而，F(xiàn)P-Growth算法 在挖掘大數(shù)據(jù)問題上有較大擴展空間。

針對當前交通的大數(shù)據(jù)背景，傳統(tǒng)FP-Growth算法和以 上改進算法的優(yōu)勢不足以處理大規(guī)模交通數(shù)據(jù)問題。因此, 本文就針對交通大數(shù)據(jù)給出FP-Growth算法改進的解決方案:

建立支持度計數(shù)表。在第一次遍歷事務集合T的同 時創(chuàng)建二維向量，記錄每個事務中各個項兩兩組合出現(xiàn)的支 持度計數(shù)；利用遞歸方式創(chuàng)建后綴模式S ( S夭{Null})條件 下的條件FP子樹，此時，第一次遍歷條件模式基得到支持度 計數(shù)列表，第二次遍歷條件模式基插入樹節(jié)點從而創(chuàng)建FP樹; 遍歷條件模式基，創(chuàng)建FP子樹的同時創(chuàng)建新的支持度計數(shù)二 維向量表。

非頻繁項的剪枝策略。假設項集k在某一個路徑上 是非頻繁的；若項集k在FP-tree中存在前綴路徑集合A與集 合B，并且滿足集合B包含于集合A，那么集合A中的項集k 就可以被剪枝與短路徑集合B合并。

Map-Reduce 并行處理

Map-Reduce最初是由Google提出的，它是一種可以處 理海量數(shù)據(jù)的并行編程模型。該模型把所有的數(shù)據(jù)問題抽象 成Map和Reduce兩個函數(shù)。以可靠的并行方式處理大規(guī)模 數(shù)據(jù)集，其中Map函數(shù)把問題進行分解，Reduce函數(shù)負責把 分解的任務進行規(guī)約處理。

利用Map-Reduce編程模型，經(jīng)統(tǒng)計頻繁1-項和遞歸挖 掘頻繁項集的兩次并行處理，對改進后的FR-Growth算法步 驟并行化。其描述為：首先，對頻繁1-項集的頻率統(tǒng)計；再 利用頻繁1-項集的頻率統(tǒng)計結果建立一個哈希表，按照哈希表對數(shù)據(jù)進行分組，把數(shù)據(jù)分成了若干個部分；然后對分解 后的數(shù)據(jù)進行關聯(lián)規(guī)則挖掘；最后，匯總最終的頻繁模式。

2基于模式匹配的軌跡預測

根據(jù)基于Map/Reduce的頻繁軌跡挖掘得到的序列模式 進行軌跡預測。通過Map/Reduce并行計算獲得頻繁模式集 合后，就可以計算出與查詢軌跡最為相似的頻繁模式，用該 模式就可以預測軌跡的未來走向。

對于移動對象數(shù)據(jù)庫D，存儲的是海量移動對象在各 時間采樣點的位置信息。位置信息在時間上的有序集合為軌 跡，用D={Ti，T2,…,T.）表示，則|D|表示數(shù)據(jù)庫中包含的 軌跡數(shù)量。在三維XXYXT空間里，軌跡T是移動對象在空 間內位置信息的有序組合，可以表示為T= （ti，xi，yi），J X2, 乃），…，（tn，x?，yn）?其中t表示時間戳，（Xj，y）表示移動對 象的空間位置坐標。

軌跡匹配，是從頻繁模式中找出與查詢軌跡片段匹配權 重最高的模式。假設用戶的查詢軌跡片段為Q = <gq1，gq2,…, gq,>，軌跡頻繁模式為P = <gp1，gp2, -，gps>，則Q的預測由 Q和P' =<gp1，gp2，…，gp?>的匹配程度進行反映。軌跡 片段在時間上最靠近當前的元素是優(yōu)先考慮的，當i<j時,gqj 的權重要小于gq,這里將Wi+1=k*W, k>1, W1默認為1,因此 軌跡Q、P的相似度計算公式為：

如查詢軌跡片段Q=<b, c,d>,頻繁模式為P<a, c, d, f>, Q和P的公共元素有<c, d>, c和d的權重分別 是100和10,假設k=10,因此Q和P似度為Sim (Q, P) =10+100/1+10+100,表明f極有可能為軌跡Q的未來軌跡。

3算法與實驗

本文實驗環(huán)境采用4臺PC機做分布式環(huán)境。操作系統(tǒng) 為 Ubuntu 14.04 -32bit, Hadoop 2.4.0, CPU 為 Inter Core i7 處理器，主頻2.1 GHz,單機內存為512 MB。

3.1頻繁1-項統(tǒng)計

其Map-Reduce算法偽代碼如下：

map (key, value) { //value 為事務 T

for each ki (E Ti do

output<ki, 1> ；

end

}

reduce( key, value) {//key 為一個 1-項集,value 為其支持數(shù)列表[1,

1,…，1]

C=0 ；

for each v in value do

C+=1；

end

ifC/|D| minsup then

output<key, C> ； //輸出頻繁1-項集及其支持數(shù)

end

}

FP-Growth 并行化

其Map-Reduce算法偽代碼如下：

map (key, value) { //value 為事務 T}

insert_build_fptree (LFPTree, Ti) ； // 更新局部 FP 樹 LFPTree

}

cleanup() {

LocalFPGrowth (LFPTree, LFPSet) ； // 將局部頻繁項目集及其 支持數(shù)放入LFPSet中

for each lfp ( LFPSet do

output<lfp, sup (lfp) > ； //sup (lfp)為局部頻繁項目集 lfp 的支 持數(shù)

end

}

reduce (key, value) {//key為項目集，value為其支持數(shù)列表

C=0 ；

for each vi in value do

C+=vi ；

end

if C/|D| > minsup then

output<key, C> ； //輸出全局頻繁項目集及其支持數(shù)

else if

write key into a distribute file ； //若暫不確定是否全局頻繁，則將 其寫入分布式文件

end

}

4結語

本文結合歷史車輛軌跡數(shù)據(jù)利用改進型的關聯(lián)規(guī)則算法 FP-Growth挖掘出軌跡模式索引，并提出基于Map/Reduce算 法的軌跡預測方案。在路網(wǎng)中利用索引樹對車輛未來軌跡進 行預測，預判出車流趨勢，為交通管理部門及時做出交通疏 導方案的決策提供了支持。

20211223_61c363739aca5__基于MAPREDUCE并行處理的軌跡模式挖掘算法的研究