| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文研究内容 | 第10-11页 |
| 1.4 论文组织结构和技术路线 | 第11-14页 |
| 1.4.1 论文的组织结构 | 第11-12页 |
| 1.4.2 技术路线 | 第12-14页 |
| 第二章 基本理论及技术基础 | 第14-22页 |
| 2.1 移动轨迹数据来源 | 第14-15页 |
| 2.1.1 GPS简介 | 第14页 |
| 2.1.2 移动轨迹数据采集 | 第14-15页 |
| 2.2 移动轨迹数据分类 | 第15-18页 |
| 2.2.1 基于时间采样的移动轨迹数据 | 第16页 |
| 2.2.2 基于位置采样的移动轨迹数据 | 第16-17页 |
| 2.2.3 基于事件采样的移动轨迹数据 | 第17-18页 |
| 2.3 基于Spark的分布式并行化K-Means算法研究 | 第18-22页 |
| 2.3.1 K-Means算法简介 | 第18-19页 |
| 2.3.2 基于Spark的K-Means算法研究 | 第19-22页 |
| 第三章 Spark大数据平台简介及搭建 | 第22-31页 |
| 3.1 Spark平台简介 | 第22-28页 |
| 3.1.1 Spark生态圈简介 | 第23-25页 |
| 3.1.2 Spark核心抽象RDD | 第25-26页 |
| 3.1.3 Spark运行模式 | 第26-28页 |
| 3.2 Spark平台的搭建 | 第28-31页 |
| 3.2.1 实验平台 | 第28-29页 |
| 3.2.2 平台搭建 | 第29-30页 |
| 3.2.3 平台测试 | 第30-31页 |
| 第四章 实验数据预处理和地图匹配 | 第31-36页 |
| 4.1 研究区域和数据源 | 第31-33页 |
| 4.1.1 研究区域概况 | 第31页 |
| 4.1.2 数据源介绍 | 第31-33页 |
| 4.2 数据预处理 | 第33-34页 |
| 4.2.1 失真数据剔除 | 第33页 |
| 4.2.2 多余字段删除 | 第33-34页 |
| 4.2.3 部分时段数据过滤 | 第34页 |
| 4.3 地图匹配 | 第34-36页 |
| 4.3.1 地图匹配介绍 | 第34-35页 |
| 4.3.2 地图匹配算法选择 | 第35页 |
| 4.3.3 地图匹配结果 | 第35-36页 |
| 第五章 基于Spark平台的居民出行行为特征分析 | 第36-57页 |
| 5.1 居民出行时间规律分析 | 第36-44页 |
| 5.1.1 日出行总量 | 第37-38页 |
| 5.1.2 工作日居民出行时间规律分析 | 第38-41页 |
| 5.1.3 休息日居民出行时间规律分析 | 第41-44页 |
| 5.1.4 工作日与休息日居民出行时间规律对比分析 | 第44页 |
| 5.2 居民出行距离规律分析 | 第44-46页 |
| 5.2.1 居民出行不同距离占比分析 | 第44-45页 |
| 5.2.2 各小时居民出行平均距离分析 | 第45-46页 |
| 5.3 居民出行热点区域提取与分析 | 第46-57页 |
| 5.3.1 工作日居民出行热点区域提取与分析 | 第48-51页 |
| 5.3.2 休息日居民出行热点区域提取与分析 | 第51-54页 |
| 5.3.3 热点区域动态变化分析 | 第54-55页 |
| 5.3.4 并行化K-Means算法性能分析 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57页 |
| 6.2 研究方向展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间的研究成果 | 第64-65页 |
