基于Hadoop的卡口数据挖掘技术研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 论文研究背景 | 第11-12页 |
| 1.1.1 大数据时代的到来 | 第11页 |
| 1.1.2 当今智能交通与交通问题 | 第11-12页 |
| 1.2 论文研究意义 | 第12-13页 |
| 1.3 相关技术的研究现状 | 第13-16页 |
| 1.3.1 智能交通研究现状 | 第13-14页 |
| 1.3.2 卡口与大数据技术融合的研究现状 | 第14-16页 |
| 1.4 论文研究内容 | 第16-17页 |
| 1.5 论文的组织结构 | 第17-18页 |
| 第2章 数据挖掘与Hadoop关键技术概述 | 第18-32页 |
| 2.1 数据挖掘理论概述 | 第18-22页 |
| 2.1.1 数据挖掘定义 | 第18页 |
| 2.1.2 数据挖掘过程 | 第18-20页 |
| 2.1.3 数据挖掘任务 | 第20-22页 |
| 2.2 Hadoop相关技术介绍 | 第22-29页 |
| 2.2.1 Hadoop技术发展历程 | 第22页 |
| 2.2.2 Hadoop平台架构 | 第22-24页 |
| 2.2.3 HDFS分布式文件系统 | 第24-27页 |
| 2.2.4 Map Reduce分布式计算框架 | 第27-29页 |
| 2.3 交通卡口数据与Hadoop技术 | 第29-31页 |
| 2.3.1 交通卡口数据特点分析 | 第29-30页 |
| 2.3.2 交通卡口数据与Hadoop适应性 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于海量历史卡口数据的失驾挖掘研究 | 第32-49页 |
| 3.1 失驾挖掘算法概述 | 第32-34页 |
| 3.2 失驾挖掘算法详细步骤 | 第34-43页 |
| 3.2.1 数据预处理 | 第34-36页 |
| 3.2.2 嫌疑失驾信息获取 | 第36页 |
| 3.2.3 基于时空邻域的车辆轨迹聚合分析 | 第36-40页 |
| 3.2.4 失驾车辆时空轨迹预测 | 第40-43页 |
| 3.3 失驾挖掘分布式算法实现 | 第43-48页 |
| 3.3.1 嫌疑失驾信息提取 | 第43-44页 |
| 3.3.2 卡口轨迹点分布式排序 | 第44-45页 |
| 3.3.3 时空距离阈值分布式计算 | 第45-46页 |
| 3.3.4 轨迹线段时空邻域分布式计算 | 第46-48页 |
| 3.3.5 失驾车辆时空轨迹预测分布式计算 | 第48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于时空特性分析的短时交通流预测研究 | 第49-62页 |
| 4.1 交通流特性分析 | 第49-50页 |
| 4.1.1 交通流分布情况 | 第49-50页 |
| 4.1.2 交通流预测时空关联特性 | 第50页 |
| 4.2 交通流预测概述 | 第50-54页 |
| 4.2.1 交通流预测框架 | 第50-52页 |
| 4.2.2 相关预测算法描述 | 第52-54页 |
| 4.3 交通流预测算法设计 | 第54-61页 |
| 4.3.1 历史样本数据准备 | 第54页 |
| 4.3.2 KNN时序交通流预测设计 | 第54-57页 |
| 4.3.3 LLE相邻空间交通流预测设计 | 第57-61页 |
| 4.3.4 构造时空特性融合的交通流预测函数 | 第61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 算法测试与效果分析 | 第62-81页 |
| 5.1 Hadoop的部署 | 第62-69页 |
| 5.1.1 安装环境说明 | 第62-63页 |
| 5.1.2 集群规划 | 第63页 |
| 5.1.3 系统环境配置 | 第63-64页 |
| 5.1.4 Hadoop集群配置 | 第64-69页 |
| 5.1.5 平台展示 | 第69页 |
| 5.2 实验数据说明 | 第69-73页 |
| 5.2.1 数据来源 | 第69-70页 |
| 5.2.2 数据预处理 | 第70-72页 |
| 5.2.3 实验参数设置 | 第72-73页 |
| 5.3 失驾挖掘算法测试及效果分析 | 第73-75页 |
| 5.3.1 失驾嫌疑度计算 | 第73页 |
| 5.3.2 失驾车辆时空轨迹预测分析 | 第73-75页 |
| 5.3.3 实验结果验证 | 第75页 |
| 5.4 交通流预测算法测试及效果分析 | 第75-80页 |
| 5.4.1 测试准备 | 第75-76页 |
| 5.4.2 K近邻算法实验 | 第76-78页 |
| 5.4.3 LLE算法实验 | 第78-79页 |
| 5.4.4 时空特性组合预测交通流性能分析 | 第79-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81页 |
| 6.2 展望 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-87页 |
| 攻读学位期间参加的科研项目和成果 | 第87页 |
