随着城市道路车流量的迅速增长和某些交通规划与管理经验上的不足,交通拥堵、交通肇事、环境污染等问题日益严峻。因此,能够实时了解交通路况并合理规划交通路线对解决上述问题显得尤为关键。目前,百度地图、高德地图等导航软件虽然能够做到实时的路况显示,但自身角色定位问题导致其能够提供的功能相对单一;此外,海量行车数据采集到后台系统造成存储设备的经济损耗和数据分析处理的技术制约,同样需要新的技术思路与手段予以解决。基于上述情形,本文利用了蜂窝网络在车载系统与基站互联方面的积极作用,意图借助蜂窝网络下基站与车载系统的信息交互以达到对行车数据采集的目的。然而,当对多个基站采集的行车数据进行汇总处理时,移动车辆可能与蜂窝网络中的多个基站产生信息交互,这就产生了数据传输可靠性、数据冗余和一致性问题等。综上,本文设计并开发了智慧交通车流量大数据采集与分析系统,研究基于蜂窝网络的链路传输成功概率理论,将其作为数据筛选条件并应用于车流量数据采集与预处理阶段,接着利用大数据技术完成数据处理并实现可视化操作。具体研究工作如下:1.提出了干扰信号是限制网络性能的主要因素,以蜂窝网络为模型设计了一种易于处理的SINR分析框架。依据随机几何数学理论推导出干扰信号信道衰减增益服从无干扰、指数衰落、Rayleigh衰落下链路传输成功概率的精确表达式。在此基础上,通过仿真模拟,分析了几种系统参数对成功概率的影响,并对比了成功概率与区域频谱面积在几种干扰环境下的结果。与传统蜂窝网络SINR分析方法相比,该方法无需划分网格并降低了计算的复杂度,改善了蜂窝网络的性能。2.设计了分布式车流量大数据采集与分析核心引擎,基于Apache Hadoop、Apache Spark及其相关生态圈组件技术,解决了引擎整体技术架构设计和数据采集、清洗、存储、离线与实时计算等技术问题。其中,以链路传输成功概率为系统数据采集模块中的数据筛选提供了理论基础,解决了数据的冗余和一致性问题;以HDFS和HBase解决了海量数据分布式存储问题;以MapReduce计算框架实现了数据清洗解决方案;以Spark SQL和Spark Streaming设计了离线和实时大数据处理功能组件。3.介绍了本文系统的详细实现过程,首先进行了系统需求分析、功能架构设计、数据库设计;接着以Spring boot、Layui和ECharts技术开发了 Web端可视化系统操作界面,对系统各功能模块进行图形化展现;最后利用第三方软件构建了完善的集群性能监控系统,并通过对比实验证明了本文系统集群的可行性和良好的计算性能。