| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题背景 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 选题来源 | 第12页 |
| 1.2 研究目的及意义 | 第12-13页 |
| 1.2.1 研究目的 | 第12页 |
| 1.2.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 云计算应用现状 | 第13-15页 |
| 1.3.2 公交客流OD获取方法 | 第15-18页 |
| 1.4 研究内容与方法 | 第18页 |
| 1.5 技术路线 | 第18-20页 |
| 第二章 基于云计算的动态公交客流OD获取系统框架研究 | 第20-37页 |
| 2.1 云计算应用于动态公交客流OD获取系统的必要性分析 | 第20-22页 |
| 2.1.1 云计算应用于智能交通系统的必要性 | 第20-21页 |
| 2.1.2 动态公交客流OD获取系统的云需求分析 | 第21-22页 |
| 2.2 云计算和HADOOP | 第22-31页 |
| 2.2.1 云计算 | 第22-25页 |
| 2.2.2 Hadoop | 第25-31页 |
| 2.3 基于云计算的动态公交客流OD获取系统框架构建 | 第31-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 数据采集与预处理 | 第37-47页 |
| 3.1 数据采集 | 第37-40页 |
| 3.1.1 公交IC卡数据采集 | 第37-39页 |
| 3.1.2 公交GPS定位数据采集 | 第39-40页 |
| 3.2 基于MAPREDUCE的数据预处理 | 第40-46页 |
| 3.2.1 数据问题分析 | 第40-41页 |
| 3.2.2 处理方法 | 第41-42页 |
| 3.2.3 基于MapReducede的数据处理流程 | 第42-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 动态公交客流OD信息获取方法 | 第47-70页 |
| 4.1 公交乘客上车站点信息获取 | 第47-54页 |
| 4.1.1 基于MapReduce的公交到站时间推算 | 第48-49页 |
| 4.1.2 基于MapReduce的K-means上车时间聚类 | 第49-53页 |
| 4.1.3 时间匹配 | 第53-54页 |
| 4.2 公交乘客下车站点信息获取 | 第54-65页 |
| 4.2.1 基于IC卡信息的公交客流下车站点信息获取方法分析 | 第54-55页 |
| 4.2.2 公交刷卡信息出行链判断 | 第55-59页 |
| 4.2.3 基于闭合公交出行链的下车站点获取 | 第59-61页 |
| 4.2.4 换乘站点判断 | 第61-63页 |
| 4.2.5 基于乘车站距分布与站点热度的下车站点获取 | 第63-65页 |
| 4.3 乘客个人公交出行信息库构建 | 第65-68页 |
| 4.3.1 乘客个人公交出行信息库构建 | 第65-67页 |
| 4.3.2 公交客流OD矩阵构建 | 第67-68页 |
| 4.4 实时动态公交OD获取 | 第68-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 实例分析及应用 | 第70-91页 |
| 5.1 数据准备与HADOOP实验平台搭建 | 第70页 |
| 5.2 公交客流OD获取 | 第70-74页 |
| 5.2.1 上车站点信息获取 | 第70-72页 |
| 5.2.2 乘客个人公交出行信息调取 | 第72页 |
| 5.2.3 公交客流OD矩阵构建 | 第72-73页 |
| 5.2.4 运行效率 | 第73-74页 |
| 5.3 结果分析与评价 | 第74-82页 |
| 5.3.1 基于小票法的公交客流OD获取 | 第74页 |
| 5.3.2 评价指标 | 第74-77页 |
| 5.3.3 结果与精度分析 | 第77-82页 |
| 5.4 基于IC卡与GPS数据的居民公交出行动态特性分析 | 第82-89页 |
| 5.4.1 公交乘客出行的时间特性分析 | 第82-84页 |
| 5.4.2 公交乘客出行空间特性分析 | 第84-88页 |
| 5.4.3 公交运营服务水平分析 | 第88-89页 |
| 5.5 本章小结 | 第89-91页 |
| 结论与展望 | 第91-94页 |
| 主要研究成果 | 第91-93页 |
| 研究展望 | 第93-94页 |
| 参考文献 | 第94-97页 |
| 附录 | 第97-104页 |
| 致谢 | 第104页 |
