| 摘要 | 第12-14页 |
| ABSTRACT | 第14-15页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 城市计算与大数据 | 第16-19页 |
| 1.2 移动轨迹大数据分析与挖掘 | 第19-23页 |
| 1.3 本文的研究对象、研究内容和组织结构 | 第23-30页 |
| 1.3.1 研究对象 | 第23-25页 |
| 1.3.2 研究内容 | 第25-27页 |
| 1.3.3 组织结构 | 第27-30页 |
| 第二章 并行与分布式计算概述及大数据分析平台搭建 | 第30-42页 |
| 2.1 Apache Hadoop架构 | 第30-33页 |
| 2.1.1 Hadoop分布式文件系统 | 第30-31页 |
| 2.1.2 MapReduce并行编程模型 | 第31-33页 |
| 2.2 搭建大数据分析平台 | 第33-37页 |
| 2.2.1 平台搭建 | 第33-36页 |
| 2.2.2 平台测试 | 第36-37页 |
| 2.3 面向大数据分析平台的拓展应用 | 第37-40页 |
| 2.3.1 实验数据 | 第38页 |
| 2.3.2 实验评估与可视分析 | 第38-40页 |
| 2.4 本章小结 | 第40-42页 |
| 第三章 基于MapReduce并行关联挖掘的时空特征分析研究 | 第42-62页 |
| 3.1 引言 | 第42-43页 |
| 3.2 相关工作 | 第43-45页 |
| 3.2.1 关联规则 | 第43-44页 |
| 3.2.2 频繁模式增长算法 | 第44-45页 |
| 3.3 问题陈述与解决方法 | 第45-47页 |
| 3.3.1 问题分析 | 第45-47页 |
| 3.3.2 方法描述 | 第47页 |
| 3.4 MR-PFP算法 | 第47-52页 |
| 3.4.1 算法描述 | 第47-48页 |
| 3.4.2 海量小文件处理策略 | 第48-50页 |
| 3.4.3 基于MapReduce的并行化实现 | 第50-52页 |
| 3.5 案例研究 | 第52-55页 |
| 3.5.1 数据集 | 第52页 |
| 3.5.2 关联分析 | 第52-55页 |
| 3.6 性能评估与结果分析 | 第55-60页 |
| 3.6.1 实验配置 | 第55页 |
| 3.6.2 算法性能评估 | 第55-58页 |
| 3.6.3 小文件处理方法与选择策略评估 | 第58-60页 |
| 3.7 本章小结 | 第60-62页 |
| 第四章 基于MapReduce并行聚类分析的分布式交通小区划分研究 | 第62-86页 |
| 4.1 引言 | 第62-64页 |
| 4.2 相关工作 | 第64-67页 |
| 4.2.1 交通小区划分 | 第64-65页 |
| 4.2.2 并行K均值算法 | 第65-66页 |
| 4.2.3 MapReduce框架 | 第66-67页 |
| 4.3 问题陈述与解决方法 | 第67-68页 |
| 4.3.1 问题分析 | 第67页 |
| 4.3.2 方法描述 | 第67-68页 |
| 4.4 Par3PKM算法 | 第68-75页 |
| 4.4.1 算法描述 | 第69-70页 |
| 4.4.2 距离度量与聚类初始化 | 第70-72页 |
| 4.4.3 基于MapReduce的并行化实现 | 第72-73页 |
| 4.4.4 复杂度分析 | 第73-75页 |
| 4.5 案例研究 | 第75-78页 |
| 4.5.1 数据集 | 第75-76页 |
| 4.5.2 并行聚类 | 第76页 |
| 4.5.3 边界识别 | 第76-77页 |
| 4.5.4 结果分析 | 第77-78页 |
| 4.6 性能评估与结果分析 | 第78-85页 |
| 4.6.1 实验配置 | 第78-79页 |
| 4.6.2 效率评估 | 第79-82页 |
| 4.6.3 准确性评估 | 第82-83页 |
| 4.6.4 加速比评估 | 第83页 |
| 4.6.5 扩展性评估 | 第83-84页 |
| 4.6.6 可靠性评估 | 第84-85页 |
| 4.7 本章小结 | 第85-86页 |
| 第五章 基于MapReduce分布式时空权重模型的短时交通流预测研究 | 第86-116页 |
| 5.1 引言 | 第86-89页 |
| 5.2 相关工作 | 第89-91页 |
| 5.2.1 短时交通流预测 | 第89-90页 |
| 5.2.2 K近邻回归模型 | 第90-91页 |
| 5.3 问题陈述与解决方法 | 第91-95页 |
| 5.3.1 问题分析 | 第91-93页 |
| 5.3.2 问题定义 | 第93页 |
| 5.3.3 方法描述 | 第93-95页 |
| 5.4 MF-TFF框架 | 第95-96页 |
| 5.5 STW-KNN模型 | 第96-103页 |
| 5.5.1 状态向量 | 第96-97页 |
| 5.5.2 相似性度量 | 第97-100页 |
| 5.5.3 预测函数 | 第100-101页 |
| 5.5.4 K值选择 | 第101-102页 |
| 5.5.5 基于MapReduce的并行化实现 | 第102-103页 |
| 5.6 性能评估与结果分析 | 第103-114页 |
| 5.6.1 实验配置 | 第104页 |
| 5.6.2 实验方法 | 第104-106页 |
| 5.6.3 评估指标 | 第106-107页 |
| 5.6.4 准确性评估 | 第107-113页 |
| 5.6.5 加速比与扩展性评估 | 第113-114页 |
| 5.7 本章小结 | 第114-116页 |
| 第六章 基于MapReduce并行时空相关性分析的实时交通流预测研究 | 第116-140页 |
| 6.1 引言 | 第116-119页 |
| 6.2 问题陈述与解决方法 | 第119-121页 |
| 6.2.1 问题分析 | 第119-121页 |
| 6.2.2 方法描述 | 第121页 |
| 6.3 TFPC方法 | 第121-124页 |
| 6.3.1 系统框架 | 第121-122页 |
| 6.3.2 相关性分析 | 第122-123页 |
| 6.3.3 并行分类器 | 第123-124页 |
| 6.3.4 预测计算方法 | 第124页 |
| 6.4 基于MapReduce的并行化实现 | 第124-129页 |
| 6.4.1 Mapper函数 | 第125-126页 |
| 6.4.2 Combiner函数 | 第126-127页 |
| 6.4.3 Reducer函数 | 第127-128页 |
| 6.4.4 复杂度分析 | 第128-129页 |
| 6.5 性能评估与结果分析 | 第129-139页 |
| 6.5.1 实验配置 | 第129-130页 |
| 6.5.2 评估指标 | 第130-132页 |
| 6.5.3 准确性评估 | 第132-135页 |
| 6.5.4 加速比评估 | 第135-137页 |
| 6.5.5 扩展性评估 | 第137页 |
| 6.5.6 规模增长性评估 | 第137-139页 |
| 6.6 本章小结 | 第139-140页 |
| 第七章 总结与展望 | 第140-144页 |
| 7.1 工作总结及主要创新 | 第140-141页 |
| 7.2 工作展望及研究构想 | 第141-144页 |
| 参考文献 | 第144-168页 |
| 攻博期间科研情况 | 第168-172页 |
| 致谢 | 第172页 |
