| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状与发展趋势 | 第10-13页 |
| 1.2.1 智能公交研究现状与发展趋势 | 第10-12页 |
| 1.2.2 大数据与智能公交 | 第12-13页 |
| 1.3 主要研究内容及思路 | 第13-14页 |
| 1.4 本系统章节安排 | 第14-17页 |
| 第二章 大数据理论与JeeSite技术 | 第17-23页 |
| 2.1 大数据理论 | 第17-18页 |
| 2.2 大数据技术 | 第18-20页 |
| 2.2.1 Hadoop概述 | 第18页 |
| 2.2.2 HDFS简介 | 第18-19页 |
| 2.2.3 MapReduce简介 | 第19-20页 |
| 2.2.4 其它技术简介 | 第20页 |
| 2.3 JeeSite技术 | 第20-22页 |
| 2.3.1 后端技术介绍 | 第21页 |
| 2.3.2 前端技术介绍 | 第21-22页 |
| 2.3.3 安全性设计 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 面向大数据的城市智能公交管理系统总体设计 | 第23-31页 |
| 3.1 系统需求 | 第23-26页 |
| 3.1.1 功能性需求 | 第23-25页 |
| 3.1.2 非功能性需求 | 第25-26页 |
| 3.2 面向大数据处理的系统总体设计 | 第26-29页 |
| 3.2.1 系统总体框架 | 第26-28页 |
| 3.2.2 系统部署方案 | 第28-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 基于大数据的城市智能公交管理系统算法设计 | 第31-53页 |
| 4.1 城市公交大数据来源和分析 | 第31-32页 |
| 4.2 基于大数据的数据处理算法综述 | 第32-34页 |
| 4.3 基于大数据的客流量分析与预测 | 第34-39页 |
| 4.3.1 客流量问题描述 | 第34-35页 |
| 4.3.2 基于大数据的公交客流量预测算法设计 | 第35-39页 |
| 4.4 基于大数据的公交到站时间分析与预测 | 第39-46页 |
| 4.4.1 公交到站时间问题陈述 | 第39-40页 |
| 4.4.2 基于大数据的公交到站时间预测算法设计 | 第40-46页 |
| 4.5 仿真实验与分析 | 第46-51页 |
| 4.5.1 仿真实验平台搭建 | 第46-47页 |
| 4.5.2 数据预处理 | 第47-48页 |
| 4.5.3 实验结果与分析 | 第48-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 基于JeeSite的城市智能公交管理系统的实现 | 第53-67页 |
| 5.1 应用系统整体架构设计 | 第53-55页 |
| 5.2 系统开发平台搭建 | 第55-56页 |
| 5.3 大数据采集业务实现 | 第56-60页 |
| 5.3.1 基于Sqoop的离线数据采集 | 第56-58页 |
| 5.3.2 基于Flume的实时数据采集 | 第58-60页 |
| 5.4 大数据处理算法实现 | 第60-64页 |
| 5.4.1 基于大数据的客流量预测算法 | 第60-63页 |
| 5.4.2 基于大数据的公交到站时间预测算法 | 第63-64页 |
| 5.5 数据查询与展示实现 | 第64-66页 |
| 5.5.1 数据访问接口 | 第64-65页 |
| 5.5.2 系统界面 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 系统应用与测试 | 第67-73页 |
| 6.1 系统测试 | 第67-70页 |
| 6.1.1 功能测试 | 第67-69页 |
| 6.1.2 性能测试 | 第69-70页 |
| 6.2 系统运行效果 | 第70-72页 |
| 6.2.1 系统搭建与部署 | 第70页 |
| 6.2.2 系统运行效果图 | 第70-72页 |
| 6.3 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 工作总结 | 第73-74页 |
| 进一步的研究工作 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间取得的学术成果 | 第78页 |
| 攻读硕士学位期间参与的科研项目 | 第78-79页 |
| 致谢 | 第79页 |