基于Hadoop的海量交通数据研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·交通数据研究现状 | 第11-12页 |
| ·云平台上交通数据研究现状 | 第12-13页 |
| ·云计算行业应用现状 | 第13-14页 |
| ·本文研究内容与意义 | 第14-15页 |
| ·本文研究内容 | 第14页 |
| ·本文研究意义 | 第14-15页 |
| ·本文结构安排 | 第15-16页 |
| 第2章 相关知识介绍 | 第16-33页 |
| ·HADOOP发展历史 | 第16页 |
| ·HADOOP体系架构 | 第16-18页 |
| ·HADOOP分布式文件系统HDFS | 第18-20页 |
| ·HDFS实现原理 | 第18-19页 |
| ·HDFS特点及优势 | 第19-20页 |
| ·HADOOP并行计算模型MAPREDUCE | 第20-22页 |
| ·MapReduce组成部分 | 第20-21页 |
| ·MapReduce计算过程 | 第21-22页 |
| ·MapReduce特点 | 第22页 |
| ·交通数据与HADOOP | 第22-23页 |
| ·交通数据的特点 | 第22-23页 |
| ·交通数据与Hadoop的适用性 | 第23页 |
| ·实验环境以及平台搭建方法 | 第23-32页 |
| ·Hadoop搭建环境 | 第23-24页 |
| ·集群规划 | 第24-25页 |
| ·搭建步骤 | 第25-30页 |
| ·平台展示 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于海量历史数据的异常拥堵检测 | 第33-49页 |
| ·引言 | 第33页 |
| ·异常拥堵检测算法 | 第33-34页 |
| ·背景 | 第33-34页 |
| ·异常拥堵算法概述 | 第34页 |
| ·异常拥堵算法设计 | 第34-41页 |
| ·异常拥堵算法步骤 | 第34-38页 |
| ·异常拥堵算法分布式设计 | 第38-41页 |
| ·实验分析 | 第41-48页 |
| ·实验平台 | 第41-42页 |
| ·实验数据 | 第42-43页 |
| ·数据预处理 | 第43-45页 |
| ·数据处理结果 | 第45-46页 |
| ·结果展示与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于海量交通数据快速密度聚类算法 | 第49-71页 |
| ·引言 | 第49页 |
| ·背景知识 | 第49-54页 |
| ·交通小区 | 第49-50页 |
| ·密度聚类算法 | 第50-54页 |
| ·基于密度峰值和距离的分布式聚类算法 | 第54-62页 |
| ·CFSFDP分布式算法概述 | 第54-56页 |
| ·CFSFDP分布式算法分析与设计 | 第56-62页 |
| ·基于浮动车数据的实验 | 第62-70页 |
| ·实验平台 | 第63页 |
| ·实验数据 | 第63页 |
| ·数据预处理与加载 | 第63-64页 |
| ·CFSFDP 分布式算法计算结果 | 第64-65页 |
| ·结果展示分析 | 第65-70页 |
| ·本章总结 | 第70-71页 |
| 第5章 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间参加的科研项目和成果 | 第80页 |
