| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究的背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 公交车到站时间预测研究现状 | 第13页 |
| 1.2.2 Hadoop研究现状 | 第13-14页 |
| 1.3 研究内容技术路线和创新点 | 第14-17页 |
| 1.3.1 研究的内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-17页 |
| 第二章 公交到站时间预测方法 | 第17-25页 |
| 2.1 预测公交车到站时间相关算法 | 第17-23页 |
| 2.1.1 神经网络预测算法 | 第17-18页 |
| 2.1.2 基于历史数据模型 | 第18-19页 |
| 2.1.3 回归预测模型 | 第19-20页 |
| 2.1.4 卡尔曼滤波模型 | 第20-21页 |
| 2.1.5 支持向量机模型 | 第21页 |
| 2.1.6 时间序列模型 | 第21-22页 |
| 2.1.7 基于傅里叶变换模型 | 第22-23页 |
| 2.2 预测方法效果对比 | 第23页 |
| 2.3 影响公交车到站时间的因素分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于人工神经网络的公交到站时间预测 | 第25-40页 |
| 3.1 人工神经网络的概述 | 第25-26页 |
| 3.2 BP神经网络原理 | 第26-32页 |
| 3.2.1 感知器模型 | 第26-28页 |
| 3.2.2 BP神经网络原理 | 第28-32页 |
| 3.3 构建BP神经网络公交到站预测模型 | 第32-35页 |
| 3.3.1 输入层与输出层参数构建 | 第32-34页 |
| 3.3.2 隐含层的构建 | 第34-35页 |
| 3.3.3 网络参数的确定 | 第35页 |
| 3.4 BP网络的优缺点 | 第35-37页 |
| 3.4.1 BP神经网络参数的优化 | 第36-37页 |
| 3.5 仿真结果及结果分析 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于遗传模拟退火算法优化BP网络预测模型 | 第40-60页 |
| 4.1 遗传算法的原理 | 第40-44页 |
| 4.1.1 遗传算法的参数设计 | 第40-42页 |
| 4.1.2 遗传算法的流程图 | 第42-44页 |
| 4.2 退火算法的原理 | 第44-50页 |
| 4.2.1 模拟算法参数设置 | 第46-47页 |
| 4.2.2 退火算法的优点 | 第47-50页 |
| 4.3 遗传模拟退火算法 | 第50-53页 |
| 4.3.1 遗传模拟退火算法的原理 | 第51页 |
| 4.3.2 遗传模拟退火算法的特性 | 第51-53页 |
| 4.4 遗传退火算法优化BP神经网络模型的构建 | 第53-59页 |
| 4.4.1 遗传模拟退火算法优化BP神经网络概述 | 第53-54页 |
| 4.4.2 GSA优化的BP算法的实现 | 第54-56页 |
| 4.4.3 优化后的BP神经网络对公交车到站时间的预测 | 第56-57页 |
| 4.4.4 实验结果分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 GSA-BP预测算法在Hadoop平台下的应用 | 第60-73页 |
| 5.1 并行计算的概念 | 第60-61页 |
| 5.1.1 并行计算的分类 | 第60-61页 |
| 5.1.2 并行计算编程框架模型 | 第61页 |
| 5.2 分布式文件系统 | 第61-62页 |
| 5.3 MapReduce的编程模型 | 第62-64页 |
| 5.4 Hadoop的平台搭建 | 第64-67页 |
| 5.4.1 Hadoop的集群搭建 | 第64-67页 |
| 5.4.2 集群硬件设备 | 第67页 |
| 5.5 Hadoop平台下的GSA-BP算法的实现 | 第67-69页 |
| 5.5.1 基于hadoop的并行化思想 | 第68页 |
| 5.5.2 基于MapReduce的GSA-BP算法预测公交到站时间 | 第68-69页 |
| 5.6 仿真结果对比 | 第69-71页 |
| 5.6.1 实验结果分析 | 第70-71页 |
| 5.7 本章小结 | 第71-73页 |
| 第六章 基于Hadoop平台预测公交到站时间系统设计 | 第73-79页 |
| 6.1 软件的开发环境 | 第73页 |
| 6.1.1 软件的基本结构 | 第73页 |
| 6.2 公交到站时间预测系统界面 | 第73-77页 |
| 6.2.1 模块的介绍 | 第74-77页 |
| 6.3 实验结果分析 | 第77-78页 |
| 6.4 本章小结 | 第78-79页 |
| 第七章 结论与展望 | 第79-82页 |
| 7.1 研究的成果 | 第79-80页 |
| 7.2 主要创新点 | 第80页 |
| 7.3 进一步展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-89页 |
| 附录 | 第89-92页 |
| 致谢 | 第92-93页 |
| 附件 | 第93页 |
