基于大数据分析的时空模式识别方法.pdfVIP

第6期无线互联科技No.6

2025年3月WirelessInternetScienceandTechnologyMarch,2025

基于大数据分析的时空模式识别方法

张亚姝

(北京市大数据中心,北京101100)

摘要:随着城市信息化建设深入推进,时空数据呈现大规模增长趋势,对数据处理分析技术提出更高要

求。传统时空模式识别方法在处理海量数据时存在计算效率低下的问题。针对这一现状,文章提出基于

分布式计算框架的多尺度时空模式识别方法,通过改进数据预处理算法提升数据质量,利用分布式存储

架构解决海量数据存储难题。实验采用某大型城市3年交通轨迹数据进行验证,结果表明该方法在百万

级数据处理中准确率达92.3%,计算效率提升4.3倍,为大规模时空数据分析提供新思路。

关键词:时空大数据;时空模式识别;分布式计算;多尺度分析;数据挖掘

中图分类号:P208文献标志码:A

0引言通过设计缺失值填补算法进行数据修复,对连续型数

随着物联网技术快速发展,城市生活中产生了海据采用中位数法填补,离散型数据采用众数法填补。

量时空数据,这些数据蕴含丰富的价值信息。然而,异常值处理方面,采用箱线图检验法识别数值型异

[1]

时空大数据具备数据量大、更新快、维度高等特点,传常,通过距离计算发现空间位置异常点。数据标准

统地理信息处理技术难以满足分析需求。在大数据化过程中,将时间戳转换为标准格式,空间坐标统一

时代背景下,亟须提出新型时空模式识别方法,突破至同一投影系统。分布式存储架构使用多副本机制

传统技术局限。基于分布式计算框架设计改进算法,保障数据安全,按时空区域划分数据分片实现均衡负

实现对海量时空数据高效分析,对提升城市管理水平载。存储引擎针对时空数据特点进行优化,构建索引

具有重要意义。当前,国内外学者对时空大数据分析提升查询效率。系统实现了智能化数据清洗,运用机

方