| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 历史平均模型 | 第10页 |
| 1.2.2 线性回归模型 | 第10-11页 |
| 1.2.3 卡尔曼滤波模型 | 第11页 |
| 1.2.4 神经网络模型 | 第11页 |
| 1.2.5 支持向量回归机模型 | 第11页 |
| 1.3 现有条件及研究基础 | 第11-12页 |
| 1.4 研究内容 | 第12页 |
| 1.5 论文结构 | 第12-15页 |
| 第2章 相关理论技术研究 | 第15-23页 |
| 2.1 到站时间预测算法 | 第15-21页 |
| 2.1.1 回归问题数学描述 | 第15-16页 |
| 2.1.2 线性回归 | 第16-17页 |
| 2.1.3 人工神经网络(Artificial neural networks) | 第17-19页 |
| 2.1.4 支持向量回归机(Support vector regression machine) | 第19-21页 |
| 2.2 分布式计算技术 | 第21-22页 |
| 2.2.1 MapReduce | 第21-22页 |
| 2.2.2 参数服务器(Paramater Server) | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 公交车行驶时间计算与影响因素分析 | 第23-41页 |
| 3.1 公交安全监控系统设计分析 | 第23-25页 |
| 3.2 公交车行驶时间计算 | 第25-34页 |
| 3.2.1 数据预处理 | 第25-33页 |
| 3.2.2 公交车行驶时间计算 | 第33-34页 |
| 3.3 公交车行驶时间影响因素分析 | 第34-37页 |
| 3.4 公交车行驶数据相关计算的分布式处理 | 第37-39页 |
| 3.4.1 公交车行驶时间的分布式计算 | 第37-38页 |
| 3.4.2 对比实验 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 公交车到站时间预测算法 | 第41-53页 |
| 4.1 算法研究与分析 | 第41-45页 |
| 4.1.1 决策树 | 第41-44页 |
| 4.1.2 随机森林 | 第44-45页 |
| 4.2 基于随机森林的公交车到站时间预测算法 | 第45-48页 |
| 4.3 公交车到站时间预测算法的分布式训练与预估 | 第48-51页 |
| 4.3.1 到站时间预测算法训练的分布式训练 | 第48-49页 |
| 4.3.2 到站时间预测算法的分布式预估 | 第49-50页 |
| 4.3.3 对比实验 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 公交车到站时间预测服务系统的设计与实现 | 第53-77页 |
| 5.1 公交车到站时间预测服务系统需求分析 | 第53-54页 |
| 5.1.1 场景描述 | 第53页 |
| 5.1.2 功能需求 | 第53-54页 |
| 5.1.3 非功能需求 | 第54页 |
| 5.2 公交车到站时间预测服务系统架构设计 | 第54-55页 |
| 5.3 应用服务器详细设计 | 第55-70页 |
| 5.3.1 数据模块 | 第55-57页 |
| 5.3.2 服务模块 | 第57-63页 |
| 5.3.3 公交车到站时间查询服务 | 第63-70页 |
| 5.4 移动应用程序详细设计 | 第70-74页 |
| 5.4.1 服务请求 | 第71-73页 |
| 5.4.2 结果展示 | 第73-74页 |
| 5.5 相关演示 | 第74-76页 |
| 5.5.1 登入服务 | 第75页 |
| 5.5.2 公交线路查询 | 第75-76页 |
| 5.5.3 车辆位置查询 | 第76页 |
| 5.5.4 到站时间查询 | 第76页 |
| 5.6 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-85页 |
| 致谢 | 第85页 |
