摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-15页 |
1.1 研究背景 | 第10-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.3 研究目的和意义 | 第12页 |
1.4 研究内容和论文结构 | 第12-14页 |
1.4.1 研究内容 | 第12页 |
1.4.2 论文结构 | 第12-14页 |
1.5 本章小结 | 第14-15页 |
第2章 相关技术分析 | 第15-29页 |
2.1 数据仓库技术 | 第15-20页 |
2.1.1 数据仓库概念 | 第15页 |
2.1.2 数据仓库系统结构 | 第15-17页 |
2.1.3 数据仓库特征 | 第17页 |
2.1.4 数据仓库领域的模型分析 | 第17-19页 |
2.1.5 数据仓库的多维数据模型 | 第19-20页 |
2.2 ETL分析 | 第20-23页 |
2.2.1 ETL工具的优势 | 第20-21页 |
2.2.2 调度概念以及算法 | 第21-22页 |
2.2.3 ETL任务集群调度算法 | 第22-23页 |
2.3 Greenplum分析 | 第23-28页 |
2.3.1 Greenplum数据库 | 第23-25页 |
2.3.2 Greenplum数据加载gpfdist | 第25-26页 |
2.3.3 Greenplum数据库的MapReduce | 第26-28页 |
2.4 本章小结 | 第28-29页 |
第3章 交通警察信息系统的数据提取 | 第29-51页 |
3.1 数据抽取分析 | 第29-34页 |
3.1.1 数据抽取 | 第29页 |
3.1.2 基于ETL工具的全量数据抽取 | 第29-30页 |
3.1.3 基于ETL工具的增量数据抽取 | 第30-34页 |
3.2 数据转换分析 | 第34-41页 |
3.2.1 数据转换流程 | 第34-35页 |
3.2.2 选择数据源 | 第35-36页 |
3.2.3 数据转换预处理 | 第36-39页 |
3.2.4 数据转换算法 | 第39-41页 |
3.3 ETL任务集群调度 | 第41-49页 |
3.3.1 gpload并行加载 | 第41-44页 |
3.3.2 ETL任务调度中心 | 第44-46页 |
3.3.3 基于蚁群算法的ETL任务集群调度算法 | 第46-49页 |
3.4 基于ETL工具的数据提取 | 第49-50页 |
3.5 本章小结 | 第50-51页 |
第4章 基于时空矛盾的数据建模 | 第51-67页 |
4.1 元数据模型 | 第51-53页 |
4.1.1 基于元数据的概念模型 | 第51页 |
4.1.2 基于元数据的ER模型 | 第51-53页 |
4.2 大批量卡点车辆数据模型 | 第53-62页 |
4.2.1 大批量卡点数据集特征 | 第53-54页 |
4.2.2 卡点数据集的车辆套牌模型分析 | 第54-57页 |
4.2.3 基于时空矛盾的车辆套牌算法设计 | 第57-62页 |
4.3 数据仿真验证 | 第62-66页 |
4.3.1 基于时空矛盾的车辆套牌并行应用 | 第62-65页 |
4.3.2 车辆套牌并行模型准确率对比 | 第65-66页 |
4.4 本章小结 | 第66-67页 |
第5章 基于交通数据的车辆分析系统 | 第67-78页 |
5.1 系统的需求分析 | 第67页 |
5.2 系统的总体设计 | 第67-69页 |
5.2.1 系统总体框架 | 第67-68页 |
5.2.2 系统开发环境 | 第68-69页 |
5.3 系统详细设计 | 第69-76页 |
5.3.1 系统数据库设计 | 第69-70页 |
5.3.2 系统功能模块设计 | 第70-76页 |
5.4 本章小结 | 第76-78页 |
第6章 总结与展望 | 第78-81页 |
6.1 论文总结 | 第78-79页 |
6.2 论文展望 | 第79-81页 |
参考文献 | 第81-84页 |
攻读学位期间的研究成果 | 第84-85页 |
致谢 | 第85页 |