基于海量数据的城市道路运行关键指标预测方法
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 研究问题 | 第12-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关研究 | 第16-27页 |
| 2.1 旅行时间理论研究 | 第16-18页 |
| 2.1.1 研究现状 | 第16-17页 |
| 2.1.2 旅行时间预测方法 | 第17-18页 |
| 2.2 车流量理论研究 | 第18-20页 |
| 2.2.1 研究现状 | 第18-19页 |
| 2.2.2 车流量预测方法 | 第19-20页 |
| 2.3 大数据相关技术 | 第20-27页 |
| 2.3.1 大数据相关技术简介 | 第20-21页 |
| 2.3.2 大数据在处理海量数据上的应用 | 第21页 |
| 2.3.3 Hadoop体系介绍 | 第21-27页 |
| 第三章 基于海量车牌识别数据的旅行时间预测方法 | 第27-33页 |
| 3.1 旅行时间相关定义 | 第27页 |
| 3.2 旅行时间计算 | 第27-29页 |
| 3.3 卡尔曼滤波理论 | 第29页 |
| 3.4 旅行时间预测方法的实现 | 第29-33页 |
| 第四章 基于海量车牌识别数据的车流量预测方法 | 第33-38页 |
| 4.1 车流量相关定义 | 第33页 |
| 4.2 车流量统计 | 第33-35页 |
| 4.3 灰度模型理论 | 第35-36页 |
| 4.4 车流量预测方法的实现 | 第36-38页 |
| 第五章 实验验证与评估 | 第38-46页 |
| 5.1 实验环境介绍 | 第38页 |
| 5.2 旅行时间预测实验 | 第38-41页 |
| 5.2.1 模型评价 | 第38页 |
| 5.2.2 实验与分析 | 第38-41页 |
| 5.3 车流量预测实验 | 第41-46页 |
| 5.3.1 模型评价 | 第41-42页 |
| 5.3.2 实验与分析 | 第42-46页 |
| 第六章 结论与展望 | 第46-48页 |
| 6.1 主要结论 | 第46页 |
| 6.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |
