| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·研究背景和意义 | 第8-16页 |
| ·短时交通流预测研究现状 | 第9-11页 |
| ·云计算及研究现状 | 第11-16页 |
| ·论文主要研究内容 | 第16页 |
| ·论文组织结构 | 第16-18页 |
| 2 交通数据预处理 | 第18-25页 |
| ·交通数据特点 | 第18-19页 |
| ·交通数据预处理方法 | 第19-20页 |
| ·论文实验数据准备 | 第20-24页 |
| ·实测数据描述 | 第20-21页 |
| ·数据预处理方法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 3 基于MapReduce的神经网络算法预测短时交通流 | 第25-36页 |
| ·云计算开源平台Hadoop | 第25-28页 |
| ·GA-BP算法基本原理 | 第28-31页 |
| ·GA-BP算法描述 | 第28-29页 |
| ·GA-BP算法实现 | 第29-31页 |
| ·基于MapReduce的GA-BP算法设计与实现 | 第31-35页 |
| ·GA-BP算法的MapReduce设计 | 第31-32页 |
| ·GA-BP算法的MapReduce实现 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于MapReduce的K近邻算法预测短时交通流 | 第36-41页 |
| ·K近邻算法预测短时交通流 | 第36-38页 |
| ·K近邻算法描述 | 第36页 |
| ·K近邻算法实现 | 第36-38页 |
| ·基于MapReduce的K近邻算法设计与实现 | 第38-40页 |
| ·K近邻算法的MapReduce设计 | 第38-39页 |
| ·K近邻算法的MapReduce实现 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 实验 | 第41-49页 |
| ·实验前准备 | 第41-42页 |
| ·神经网络算法实验 | 第42-44页 |
| ·K近邻算法实验 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |
