基于Apache Spark的公共自行车使用状况分析
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.2 公共自行车研究现状 | 第12-14页 |
| 1.2.1 公共自行车的系统规划 | 第12-13页 |
| 1.2.2 公共自行车使用规律的分析 | 第13页 |
| 1.2.3 公共自行车使用量预测 | 第13-14页 |
| 1.2.4 公共自行车调度 | 第14页 |
| 1.3 论文主要内容及章节安排 | 第14-16页 |
| 第二章 大数据工具及算法理论 | 第16-34页 |
| 2.1 大数据工具 | 第16-25页 |
| 2.1.1 大数据储存系统 | 第16-18页 |
| 2.1.2 数据仓库 | 第18-21页 |
| 2.1.3 大数据资源管理工具 | 第21-23页 |
| 2.1.4 大数据计算框架 | 第23-25页 |
| 2.1.5 大数据机器学习库 | 第25页 |
| 2.2 实验平台搭建 | 第25-27页 |
| 2.3 基于决策树的预测算法 | 第27-32页 |
| 2.3.1 决策树基础 | 第28-29页 |
| 2.3.2 随机森林算法 | 第29-30页 |
| 2.3.3 梯度提升决策树算法 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 公共自行车使用特性分析 | 第34-56页 |
| 3.1 实验数据 | 第34-38页 |
| 3.1.1 实验数据来源 | 第34页 |
| 3.1.2 Citi Bike公共自行车简介 | 第34-35页 |
| 3.1.3 Citi Bike数据详情 | 第35-36页 |
| 3.1.4 数据预处理 | 第36-38页 |
| 3.2 Citi Bike总况 | 第38-40页 |
| 3.3 Citi Bike用户特性分析 | 第40-47页 |
| 3.3.1 不同用户类型对骑行量的影响 | 第41页 |
| 3.3.2 不同用户类型对骑行时长的影响 | 第41-42页 |
| 3.3.3 不同用户类型对一周中骑行分布的影响 | 第42-44页 |
| 3.3.4 不同用户类型对一天中骑行分布的影响 | 第44-46页 |
| 3.3.5 用户年龄对骑行量的贡献程度 | 第46-47页 |
| 3.4 Citi Bike站点运行分析 | 第47-55页 |
| 3.4.1 站点使用量分析 | 第47-50页 |
| 3.4.2 站点聚类分析 | 第50-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 公共自行车使用量预测分析 | 第56-68页 |
| 4.1 实验数据及评价标准 | 第56-58页 |
| 4.1.1 实验数据 | 第56-57页 |
| 4.1.2 评价方法及标准 | 第57-58页 |
| 4.2 建模建立及结果分析 | 第58-66页 |
| 4.2.1 随机森林建模及结果 | 第58-62页 |
| 4.2.2 梯度提升决策树建模及结果 | 第62-66页 |
| 4.3 两种建模结果对比 | 第66-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的学术论文目录 | 第78页 |
