| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 大数据技术方法研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 论文结构安排 | 第15-17页 |
| 第二章 大数据处理和分析技术方法 | 第17-28页 |
| 2.1 数据处理技术方法 | 第17-20页 |
| 2.1.1 数据抽取技术 | 第17-18页 |
| 2.1.2 数据预处理技术 | 第18-19页 |
| 2.1.3 数据变换技术 | 第19-20页 |
| 2.2 数据分析技术方法 | 第20-27页 |
| 2.2.1 C5决策树分类算法 | 第20-23页 |
| 2.2.2 Logistic回归模型 | 第23页 |
| 2.2.3 Apriori关联规则 | 第23-25页 |
| 2.2.4 高斯混合模型聚类算法 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于大数据技术的公交IC卡数据处理分析方法 | 第28-35页 |
| 3.1 基于传统数据统计方法的公交IC卡数据处理 | 第28-29页 |
| 3.2 基于位图法的大数据集处理案例 | 第29页 |
| 3.3 基于大数据技术方法的公交IC卡数据处理 | 第29-34页 |
| 3.3.1 数据结构标准化方法 | 第29-30页 |
| 3.3.2 数据处理方法与分析 | 第30-31页 |
| 3.3.3 公交IC卡数据分析可视化 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于大数据技术方法模型的公交线路评价与优化 | 第35-51页 |
| 4.1 数据的获取 | 第35-36页 |
| 4.2 基于DEA模型的公交线路评价 | 第36-45页 |
| 4.2.1 DEA模型的构建 | 第36-38页 |
| 4.2.2 线网服务水平评价指标的选取 | 第38-42页 |
| 4.2.3 基于大数据技术方法模型的线路评价 | 第42-45页 |
| 4.3 路网线路优化模型 | 第45-50页 |
| 4.3.1 路网站点优化模型的构建 | 第45-47页 |
| 4.3.2 基于遗传算法的模型求解方法 | 第47-48页 |
| 4.3.3 路网线路站点优化分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于数据分布特征的城市道路拥堵判别方法 | 第51-66页 |
| 5.1 数据特征与状态划分 | 第51-56页 |
| 5.1.1 参数的选取 | 第51-52页 |
| 5.1.2 数据分布特征分析 | 第52-54页 |
| 5.1.3 交通状态划分 | 第54-56页 |
| 5.2 建立算法模型 | 第56-60页 |
| 5.2.1 传统FCM算法模型 | 第56-57页 |
| 5.2.2 传统FCM算法与状态判别的适用性分析 | 第57页 |
| 5.2.3 改进FCM算法模型 | 第57-59页 |
| 5.2.4 交通状态判别算法的实现 | 第59-60页 |
| 5.3 实例分析 | 第60-65页 |
| 5.3.1 路网选取 | 第60-61页 |
| 5.3.2 与一维阈值法的对比分析 | 第61-62页 |
| 5.3.3 与传统FCM方法的对比分析 | 第62-64页 |
| 5.3.4 算法性能对比 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间的学术成果 | 第72-73页 |