| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究内容和方法 | 第13-14页 |
| 1.4 论文工作安排 | 第14-16页 |
| 第二章 智能公交系统关键技术研究 | 第16-26页 |
| 2.1 Web相关技术研究 | 第16-18页 |
| 2.1.1 JQuery、Ajax与Html5 | 第16-17页 |
| 2.1.2 Velocity表现层技术 | 第17页 |
| 2.1.3 Java开源框架与MVC设计模式 | 第17-18页 |
| 2.2 数据库选型 | 第18-20页 |
| 2.2.1 关系型数据库的应用 | 第19页 |
| 2.2.2 非关系型数据库及其优势 | 第19-20页 |
| 2.3 Hadoop核心技术 | 第20-24页 |
| 2.3.1 HDFS存储系统 | 第21-22页 |
| 2.3.2 MapReduce计算框架 | 第22页 |
| 2.3.3 K最近邻分类算法 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 智能公交系统架构设计 | 第26-44页 |
| 3.1 系统总体设计框架 | 第26-27页 |
| 3.2 数据采集模块设计 | 第27-33页 |
| 3.2.1 异步非阻塞通信 | 第27-30页 |
| 3.2.2 数据采集服务器架构 | 第30-33页 |
| 3.3 二级缓存模块设计 | 第33-34页 |
| 3.4 网站后台软件架构设计 | 第34-35页 |
| 3.5 数据存储模块设计 | 第35-40页 |
| 3.5.1 数据存储架构 | 第36-38页 |
| 3.5.2 Mysql数据库构建 | 第38-39页 |
| 3.5.3 MongoDB数据库构建 | 第39-40页 |
| 3.6 短时交通流预测模型设计 | 第40-43页 |
| 3.6.1 状态向量设计 | 第40-41页 |
| 3.6.2 距离向量设计 | 第41-42页 |
| 3.6.3 预测函数实现 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 智能公交后台系统的实现 | 第44-70页 |
| 4.1 软件开发环境搭建 | 第44-49页 |
| 4.1.1 JDK、Web服务器和Maven安装 | 第44-46页 |
| 4.1.2 Spring配置 | 第46-47页 |
| 4.1.3 Mybatis配置 | 第47-49页 |
| 4.2 分布式缓存模块的实现 | 第49-50页 |
| 4.3 智能公交后台系统各功能的实现 | 第50-59页 |
| 4.3.1 后台系统的功能性需求 | 第50-51页 |
| 4.3.2 实时数据查询用例分析 | 第51-55页 |
| 4.3.3 历史数据查询用例分析 | 第55-58页 |
| 4.3.4 城市热力图用例分析 | 第58-59页 |
| 4.4 短时交通流预测系统的实现 | 第59-68页 |
| 4.4.1 Hadoop平台搭建 | 第59-63页 |
| 4.4.2 K近邻非参数回归算法的MapReduce并行化实现 | 第63-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 智能公交后台系统的部署和测试 | 第70-82页 |
| 5.1 系统软件部署 | 第70-71页 |
| 5.1.1 软件的服务器部署 | 第70-71页 |
| 5.1.2 测试环境 | 第71页 |
| 5.2 系统功能测试 | 第71-72页 |
| 5.3 系统性能测试 | 第72-79页 |
| 5.3.1 二级缓存系统性能测试 | 第72-75页 |
| 5.3.2 短时交通流预测系统性能测试 | 第75-79页 |
| 5.4 本章小结 | 第79-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 参考文献 | 第84-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间成果 | 第88页 |
| 攻读硕士学位期间参与项目 | 第88页 |