| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 论文的研究目标及意义 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 最短路径问题基础 | 第16-31页 |
| 2.1 城市路网中的最短路径问题 | 第16页 |
| 2.2 图论的基本概念 | 第16-18页 |
| 2.3 图的存储表示 | 第18-21页 |
| 2.3.1 邻接矩阵 | 第18-19页 |
| 2.3.2 邻接表 | 第19-20页 |
| 2.3.3 两种存储表示方式对比 | 第20-21页 |
| 2.4 城市交通网络分析 | 第21-27页 |
| 2.4.1 城市道路的网络拓扑 | 第21-25页 |
| 2.4.2 网络模型及其构建实例 | 第25-27页 |
| 2.5 城市路网网络分解的基本知识 | 第27-30页 |
| 2.5.1 网络分解的基本要求 | 第27-28页 |
| 2.5.2 网络划分方法 | 第28-29页 |
| 2.5.3 交通网络分割算法 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章K最短路径算法的并行化设计 | 第31-44页 |
| 3.1 K最短路径算法 | 第31-34页 |
| 3.1.1 算法的基本思想 | 第31-32页 |
| 3.1.2 算法的程序设计 | 第32-34页 |
| 3.2 并行算法认识 | 第34-38页 |
| 3.2.1 并行算法的概念 | 第34-35页 |
| 3.2.2 并行算法的网络分解原则 | 第35-37页 |
| 3.2.3 并行编程的几种常见模型 | 第37-38页 |
| 3.3 并行K最短路径算法 | 第38-43页 |
| 3.3.1 并行K最短路径算法的设计思路 | 第38-40页 |
| 3.3.2 并行K最短路径算法程序设计与实现 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 并行K最短路径算法的性能测试 | 第44-48页 |
| 4.1 并行算法的几个评估指标 | 第44页 |
| 4.2 本文的实验环境 | 第44-45页 |
| 4.3 实验结果分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 并行K最短路径算法的应用 | 第48-62页 |
| 5.1 实验平台Hadoop概述 | 第48-56页 |
| 5.1.1 Hadoop的分布式文件系统HDFS | 第49-50页 |
| 5.1.2 Hadoop的编程模型MapReduce | 第50-53页 |
| 5.1.3 Hadoop环境的搭建与测试 | 第53-56页 |
| 5.2 城市路网交通流问题 | 第56-57页 |
| 5.3 并行K最短路径算法分配交通流 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 未来展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |