ارایه یک چارچوب مکانی برای سیستم های مدیریت ترافیک مبتنی بر رایانش ابری

با پدیدار شدن منابع داده جدید مانند حسگر های نوین ترافیکی، دوربین های نظارت تصویری و داده های خودروهای شناور (FCD)، ذخیره سازی، مدیریت و تحلیل آنی این داده ها در سیستم های مدیریت ترافیک به عنوان بازوی عملیاتی سیستم های حمل و نقل هوشمند ( ITS) چالشی اساسی محسوب می شود. زمانی که حجم داده ها از چندین گیگابایت فراتر رود، پایگاه داده های رابطه ای سنتی یا نمی توانند چنین حجمی از داده را پشتیبانی کنند و یا در مدیریت آن دچار مشکلاتی می شوند. به علاوه پردازش آنی حجم بالایی از داده ها نیازمند منابع قدرتمند پردازشی است که این امر نیز نیازمند هزینه های گزاف جهت خرید و نگهداری زیرساخت های حجیم رایانشی است. در این مقاله با هدف پاسخ به چالش های مذکور، چارچوبی نوین، مقیاس پذیر و توزیع یافته برای تحلیل اطلاعات مکانی در سیستم مدیریت ترافیک بر مبنای رایانش ابری طراحی و ارایه شده است. همچنین با هدف ارزیابی عملکرد چارچوب پیشنهادی، در این پژوهش ما یک الگوریتم انطباق نقشه را بر پایه الگوی نگاشت کاهش موازی سازی کرده و برروی سکوی پیشنهادی خود پیاده سازی کرده ایم. نتایج حاصل از ارزیابی بیانگر موفقیت چارچوب در تحلیل سریع و آنی داده های ترافیکی است.