基于Hadoop的海量移动对象轨迹数据挖掘技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 轨迹数据研究现状 | 第11-14页 |
| 1.2.2 地图匹配算法研究 | 第14页 |
| 1.2.3 分布式计算研究 | 第14-15页 |
| 1.3 本文研究内容及贡献 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 2 移动对象轨迹数据挖掘理论与相关技术 | 第17-25页 |
| 2.1 移动对象轨迹数据挖掘 | 第17-18页 |
| 2.2 地图匹配技术 | 第18-19页 |
| 2.3 分布式系统Hadoop | 第19-24页 |
| 2.3.1 分布式文件系统HDFS | 第19-21页 |
| 2.3.2 分布式计算框架MapReduce | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 实验环境及前期工作 | 第25-39页 |
| 3.1 实验环境介绍 | 第25-26页 |
| 3.2 数据介绍 | 第26-27页 |
| 3.3 栅条式地图存储 | 第27-28页 |
| 3.4 地图匹配 | 第28-32页 |
| 3.4.1 改进简易地图匹配算法 | 第28-30页 |
| 3.4.2 基于SVM的地图匹配算法 | 第30-32页 |
| 3.5 轨迹数据地图匹配并行处理 | 第32-33页 |
| 3.6 停泊点提取 | 第33-34页 |
| 3.7 实验及结果分析 | 第34-38页 |
| 3.7.1 地图匹配算法比较实验 | 第34-35页 |
| 3.7.2 轨迹数据简单处理的串并行比较实验 | 第35-36页 |
| 3.7.3 停泊点提取实验 | 第36-38页 |
| 3.8 本章小结 | 第38-39页 |
| 4 乘客打车推荐模型 | 第39-49页 |
| 4.1 问题描述与分析 | 第39-40页 |
| 4.2 乘客推荐模型结构 | 第40-41页 |
| 4.3 空车到达率函数计算 | 第41-43页 |
| 4.4 模型精细化 | 第43-45页 |
| 4.5 空车等待时间期望计算 | 第45-46页 |
| 4.6 实验结果及分析 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 5 出租车司机载客推荐模型 | 第49-56页 |
| 5.1 问题描述与分析 | 第49页 |
| 5.2 出租车司机推荐模型结构 | 第49-50页 |
| 5.3 天气对停泊点出租车需求量影响预测 | 第50-53页 |
| 5.3.1 人体舒适度 | 第50-51页 |
| 5.3.2 基于S型曲线的出租车需求曲线计算 | 第51-52页 |
| 5.3.3 天气对停泊点出租车需求量影响 | 第52-53页 |
| 5.4 出租车司机推荐策略计算 | 第53-54页 |
| 5.5 实验结果及分析 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读学位期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65-66页 |
