| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 课题背景 | 第8-10页 |
| 1.1.1 物联网的快速发展 | 第8-9页 |
| 1.1.2 Android系统的成熟开放 | 第9页 |
| 1.1.3 Hadoop平台的兴起 | 第9-10页 |
| 1.2 研究目的与意义 | 第10-13页 |
| 1.3 国内外发展现状 | 第13-17页 |
| 1.3.1 物联网发展现状 | 第13-15页 |
| 1.3.2 云计算发展现状 | 第15-16页 |
| 1.3.3 桥梁健康监测研究现状 | 第16-17页 |
| 1.4 论文章节安排 | 第17-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 Hadoop框架下桥梁物联网总体方案设计 | 第20-34页 |
| 2.1 物联网技术概述 | 第20-24页 |
| 2.1.1 物联网的定义 | 第20-21页 |
| 2.1.2 物联网的体系结构 | 第21-23页 |
| 2.1.3 物联网的特点 | 第23-24页 |
| 2.2 云计算框架Hadoop | 第24-27页 |
| 2.2.1 Hadoop生态圈 | 第24-25页 |
| 2.2.2 分布式文件系统HDFS | 第25-27页 |
| 2.3 物联网与云计算两种技术的融合 | 第27-28页 |
| 2.4 Hadoop框架下桥梁物联网总体设计 | 第28-30页 |
| 2.5 Hadoop框架下桥梁物联网系统分层模块介绍 | 第30-33页 |
| 2.5.1 应用层 | 第31-32页 |
| 2.5.2 网络层 | 第32-33页 |
| 2.5.3 感知层 | 第33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于HBase和Map Reduce的桥梁数据存储及处理 | 第34-44页 |
| 3.1 HBase分布式数据库 | 第34-35页 |
| 3.2 Map Reduce计算框架 | 第35-38页 |
| 3.3 桥梁物联网数据存储及处理 | 第38-43页 |
| 3.3.1 桥梁数据分布式存储 | 第39-42页 |
| 3.3.2 桥梁数据Map Reduce集成处理 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于PSO算法的Map Reduce参数优化 | 第44-51页 |
| 4.1 PSO算法基本形式 | 第44-45页 |
| 4.2 Map Reduce参数分析 | 第45-46页 |
| 4.3 Map Reduce参数优化过程 | 第46-49页 |
| 4.3.1 PSO控制参数选择 | 第46-47页 |
| 4.3.2 算法流程 | 第47-49页 |
| 4.4 实验结果及分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 桥梁物联网应用的设计及实现 | 第51-74页 |
| 5.1 设计思路 | 第51页 |
| 5.2 开发相关技术 | 第51-55页 |
| 5.2.1 Android基础编程介绍 | 第51-55页 |
| 5.2.2 JPUSH极光推送 | 第55页 |
| 5.2.3 AChart Engine图表引擎 | 第55页 |
| 5.3 在线监测软件设计 | 第55-66页 |
| 5.3.1 在线监测软件需求分析 | 第56页 |
| 5.3.2 在线监测软件总体架构设计 | 第56-57页 |
| 5.3.3 在线监测软件数据库设计 | 第57-58页 |
| 5.3.4 在线监测软件详细功能设计 | 第58-66页 |
| 5.4 人工巡检软件设计 | 第66-73页 |
| 5.4.1 人工巡检软件需求分析 | 第66-67页 |
| 5.4.2 人工巡检软件总体架构设计 | 第67-68页 |
| 5.4.3 人工巡检软件数据库设计 | 第68页 |
| 5.4.4 人工巡检软件详细功能设计 | 第68-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74页 |
| 6.2 研究展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
