基于NoSQL的交通数据模型设计

《基于NoSQL的交通数据模型设计》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于NoSQL的交通数据模型设计字数：3232来源：城市建设理论研究    2014年30期  字体：大 中 小  打印当页正文　　摘要：随着我国汽车数量的迅猛增长，城市拥堵、交通事故等交通问题日益凸显。以往人工现场查验和视频识别的方式获取信息效率低、信息利用率差，也难以支持涉车动态精确信息采集和管理。交通信息系统以交通数字化信息的整个流动过程为主线，综合采用多种先进技术为现有的交通问题提供了一种解决思路。然而，采用传统关系型数据库的系统无法满足海量交通信息的快速存储、高效分析的要求，为此本文给出了一种基于NoSQL的交通数据模型设计方案。 　　关键词：云计算；交通；NoSQ

2、L；MongoDB 　　中图分类号：G613文献标识码：A 　　 　　TheDesignofTrafficDataModelBasedonNoSQL 　　LiNing,ZhangQi*,LiuYucai 　　(AnticounterfeitingDept,The3rdResearchInstituteofMinistryofPublicSecurity,Shanghai201204,P.R.China) 　　Abstract：Withtherapidgrowthinthenumberofcarsinourcountry,citytrafficproblems,traffica

3、ccidentshavebecomeincreasinglyprominent.Manualinspectionandidentificationefficiencyofthepreviouswayofvideoinformationislow,thebadutilizationofinformationisalsodifficulttosupportthevehicledynamicandaccurateinformationacquisitionandmanagement.Trafficinformationsystemtotheflowprocessoftraffici

4、nformationasthemainline,usingavarietyofadvancedtechnologyprovidesasolutionfortheexistingtrafficproblems.However,thesystemadoptingtraditionalrelationaldatabasecannotmeettherapidstorage,masstrafficinformationanalysisperformancerequirements,thispapergivesadesignschemeoftrafficdatamodelbasedonN

5、oSQL. 　　Keywords:cloudcomputing;traffic;NoSQL；MongoDB 　　 　　引言 　　随着人们经济收入的提高及汽车产业的迅速发展，我国在上世纪末跨进了“汽车社会”，至2012年底全国汽车保有量已超过1.2亿辆。我国汽车社会高速发展的同时，城市拥堵、假牌套牌车、肇事逃逸、交通事故、车险诈骗等各种影响社会和谐发展的问题正日益凸显。据零点研究咨询集团统计，2009年，北京每月平均人均拥堵成本335.6元，每月仅北京市的拥堵成本就高达60亿元。另据公安部统计，2010年开展的机动车涉牌涉证违法行为专项整治行动中，共查处347.3万起。长期以来

6、，我国主要采用人工现场查验和视频识别的方式获取传统车辆信息。这种方式的主要问题是获取信息效率低、信息利用率差等。同时，传统系统难以支持涉车动态精确信息采集和管理，如车辆动态出行管理、城市区域拥堵收费、违法信息现场记录处置等，也难以满足多行业、多警种的个性化信息需求，各地政府和公安交通管理业务部门对此反映强烈。交通信息系统可以有效地利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率。它的突出特点是以信息的收集、处理、发布、交换、分析、利用为主线，为交通参与者提供多样性的服务。本文通过分析交通信息系统的应用环境与基本功能，建立一个基于NoSQL的交通数据模型。 

7、　　1基于关系型数据库的交通信息系统所遇到的瓶颈 　　虽然关系型数据库在30多年的实践完善中已成长为成熟且具有稳固地位的数据库模式，但是由于其与生俱来的几个限制，令其很难满足交通海量数据需求，具体体现如下[1]： 　　1）难以承受大量数据同时写入：关系型数据库高并发的写入操作会让数据库不堪重负，当写并发达到上万次的时候，硬盘IO将无法承受。且每秒产生的信息量之大也使得增加多台主数据库进行互相关联复制的方法失效。 　　2）不易扩展：数据量的规模增加对服务器性能将提出更高要求，现行的集中式架构无法动态扩充，