致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 引言 | 第12-20页 |
1.1 论文研究背景及意义 | 第12-13页 |
1.1.1 研究背景 | 第12-13页 |
1.1.2 研究意义 | 第13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 货物在途时间预测现状研究 | 第14-15页 |
1.2.2 并行计算现状研究 | 第15-16页 |
1.2.3 Spark应用现状研究 | 第16-17页 |
1.3 研究内容与技术路线 | 第17-18页 |
1.3.1 研究内容 | 第17-18页 |
1.3.2 研究路线 | 第18页 |
1.4 本章小结 | 第18-20页 |
2 铁路货物在途时间预测概述 | 第20-26页 |
2.1 铁路货物运输概述 | 第20-21页 |
2.1.1 铁路货物运输过程概述 | 第20页 |
2.1.2 铁路货物在途时间 | 第20-21页 |
2.2 铁路货物在途时间的计算方法 | 第21页 |
2.3 铁路货物在途时间预测的难点分析 | 第21-22页 |
2.4 铁路货物在途时间预测的数据基础 | 第22-25页 |
2.4.1 铁路运输信息集成平台 | 第22-24页 |
2.4.2 货物在途时间预测的数据采集 | 第24-25页 |
2.5 本章小结 | 第25-26页 |
3 基于AGENT的铁路货物在途时间预测研究 | 第26-40页 |
3.1 货物在途时间预测的AGENT设计 | 第26-29页 |
3.1.1 货物在途时间预测Agent的构建 | 第26-28页 |
3.1.2 Agent技术概述 | 第28-29页 |
3.2 AGENT中的货物在途时间预测模型 | 第29-32页 |
3.2.1 货物在途时间预测的推算元数据 | 第29-30页 |
3.2.2 货物在途时间预测Agent | 第30-31页 |
3.2.3 基于Agent的动态预测模型 | 第31-32页 |
3.3 货物在途时间预测算法 | 第32-35页 |
3.3.1 算法设计 | 第32-33页 |
3.3.2 数据的正态性分析 | 第33-34页 |
3.3.3 输出指标的选择和意义 | 第34页 |
3.3.4 算法的特点 | 第34-35页 |
3.4 实验与评价 | 第35-38页 |
3.5 本章小结 | 第38-40页 |
4 基于SPARK架构的铁路货物在途时间预测方法设计 | 第40-52页 |
4.1 SPARK特性分析 | 第40-43页 |
4.1.1 Spark的基本单元 | 第40-41页 |
4.1.2 Spark的流式数据处理机制 | 第41-42页 |
4.1.3 Spark的特点与优势 | 第42页 |
4.1.4 Spark与铁路货物在途时间预测 | 第42-43页 |
4.2 SPARK架构的并行机制设定 | 第43-46页 |
4.2.1 货物在途时间预测的并行计算部署模式选择 | 第43-44页 |
4.2.2 货物在途时间预测的并行层级设定 | 第44-45页 |
4.2.3 货物在途时间预测的并行度设置 | 第45-46页 |
4.3 基于SPARK的货物在途时间预测的并行计算设计 | 第46-51页 |
4.3.1 总体方案设计 | 第46-47页 |
4.3.2 数据输入模块 | 第47-48页 |
4.3.3 推算元数据获取模块 | 第48-49页 |
4.3.4 数据转化模块 | 第49-50页 |
4.3.5 在途时间预测模块 | 第50-51页 |
4.3.6 应用与扩展模块 | 第51页 |
4.4 本章小结 | 第51-52页 |
5 系统设计与实现 | 第52-62页 |
5.1 系统总体架构设计 | 第52-53页 |
5.2 系统软硬件环境设计 | 第53-57页 |
5.2.1 系统硬件环境配置 | 第53-54页 |
5.2.2 系统网络环境配置 | 第54页 |
5.2.3 软件结构设计 | 第54-57页 |
5.3 系统界面功能展示和预测结果分析 | 第57-61页 |
5.2.1 系统界面功能展示 | 第57-59页 |
5.2.2 预测结果分析 | 第59-61页 |
5.4 本章小结 | 第61-62页 |
6 总结与展望 | 第62-64页 |
6.1 主要内容总结 | 第62页 |
6.2 不足与展望 | 第62-64页 |
参考文献 | 第64-68页 |
附录A | 第68-72页 |
附录B | 第72-80页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第80-84页 |
学位论文数据集 | 第84页 |