基于Hadoop技术的出租车GPS数据分析系统
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 国内研究现状 | 第16-18页 |
| 1.2.2 国外研究现状 | 第18-19页 |
| 1.3 研究内容 | 第19页 |
| 1.4 论文的主要内容以及结构安排 | 第19-21页 |
| 第二章 大数据相关概述 | 第21-35页 |
| 2.1 大数据概念 | 第21-23页 |
| 2.1.1 大数据定义 | 第21-22页 |
| 2.1.2 大数据特征 | 第22页 |
| 2.1.3 大数据分析方法 | 第22-23页 |
| 2.2 大数据处理平台 | 第23-24页 |
| 2.3 大数据关键技术 | 第24-34页 |
| 2.3.1 HDFS | 第24-25页 |
| 2.3.2 YARN | 第25-28页 |
| 2.3.3 Sqoop | 第28-30页 |
| 2.3.4 Spark | 第30-34页 |
| 2.4 小结 | 第34-35页 |
| 第三章 Hadoop集群部署 | 第35-51页 |
| 3.1 基础环境搭建 | 第35-42页 |
| 3.1.1 环境准备 | 第35-36页 |
| 3.1.2 系统组网设计 | 第36-37页 |
| 3.1.3 Centos系统安装 | 第37-39页 |
| 3.1.4 NTP服务安装 | 第39-40页 |
| 3.1.5 系统数据库安装 | 第40-42页 |
| 3.2 Hadoop集群管理 | 第42-46页 |
| 3.2.1 主机管理模块 | 第42-45页 |
| 3.2.2 配置信息管理模块 | 第45-46页 |
| 3.2.3 集群主机分配及业务分配 | 第46页 |
| 3.3 Hadoop集群部署 | 第46-50页 |
| 3.3.1 开源Hadoop生态环境选择 | 第46-48页 |
| 3.3.2 Hadoop安装 | 第48-50页 |
| 3.4 小结 | 第50-51页 |
| 第四章 出租车GPS数据采集及预处理 | 第51-57页 |
| 4.1 数据源 | 第51-52页 |
| 4.1.1 数据源描述 | 第51页 |
| 4.1.2 数据源格式 | 第51-52页 |
| 4.2 数据预处理 | 第52-55页 |
| 4.2.1 数据预处理 | 第52-54页 |
| 4.2.2 出租车GPS数据预处理 | 第54-55页 |
| 4.3 小结 | 第55-57页 |
| 第五章 基于出租车GPS大数据的乘客出行行为分析 | 第57-83页 |
| 5.1 乘客出行量分析 | 第58-61页 |
| 5.1.1 出租车出车量的分析 | 第58-60页 |
| 5.1.2 乘客出行量的分析 | 第60-61页 |
| 5.2 乘客起讫点出行时间分析 | 第61-65页 |
| 5.2.1 出发时间分析 | 第61-63页 |
| 5.2.2 抵达时间分析 | 第63-64页 |
| 5.2.3 工作日与休息日上下车时间分布比较 | 第64-65页 |
| 5.3 出租车空车率分析 | 第65-69页 |
| 5.3.1 空车率计算 | 第65-66页 |
| 5.3.2 节假日时间空车率分析 | 第66-67页 |
| 5.3.3 工作日时间空车率分析 | 第67-69页 |
| 5.4 单次行程时长区间分析 | 第69-72页 |
| 5.4.1 节假日行程时长区间分析结果 | 第69-70页 |
| 5.4.2 工作日行程时长区间分析结果 | 第70-72页 |
| 5.5 乘车热点分析 | 第72-81页 |
| 5.5.1 聚类算法 | 第72-74页 |
| 5.5.2 热点区域的展示方法 | 第74-75页 |
| 5.5.3 出发热点区域分析 | 第75-78页 |
| 5.5.4 抵达热点区域分析 | 第78-81页 |
| 5.6 小结 | 第81-83页 |
| 第六章 总结和展望 | 第83-85页 |
| 6.1 总结 | 第83页 |
| 6.2 展望 | 第83-85页 |
| 参考文献 | 第85-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
