| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的及意义 | 第13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 大数据技术与Hadoop研究现状 | 第13-14页 |
| 1.3.2 能耗测算研究现状 | 第14-15页 |
| 1.3.3 雾霾影响因素研究现状 | 第15-16页 |
| 1.4 技术路线 | 第16-17页 |
| 1.5 小结 | 第17-18页 |
| 2 Hadoop分布式框架介绍 | 第18-32页 |
| 2.1 HDFS分布式文件系统 | 第18-21页 |
| 2.1.1 HDFS架构介绍 | 第18-19页 |
| 2.1.2 HDFS工作机制 | 第19-21页 |
| 2.2 MapReduce计算框架 | 第21-25页 |
| 2.2.1 MapReduce框架介绍 | 第21页 |
| 2.2.2 MapReduce工作机制 | 第21-24页 |
| 2.2.3 MapReduce作业过程 | 第24-25页 |
| 2.3 Hadoop分布式缓存 | 第25页 |
| 2.4 Hadoop排序——二次排序算法 | 第25-29页 |
| 2.5 Hive数据仓库 | 第29-30页 |
| 2.6 小结 | 第30-32页 |
| 3 基于Hadoop浮动车及能耗大数据处理 | 第32-44页 |
| 3.1 浮动车大数据处理 | 第32-39页 |
| 3.1.1 浮动车大数据合并处理 | 第33-37页 |
| 3.1.2 浮动车大数据去重处理 | 第37-39页 |
| 3.2 能耗大数据处理 | 第39-43页 |
| 3.2.1 能耗大数据合并处理 | 第39-41页 |
| 3.2.2 能耗大数据格式处理 | 第41-43页 |
| 3.3 小结 | 第43-44页 |
| 4 基于Hadoop地图匹配 | 第44-64页 |
| 4.1 路网数据处理 | 第44-53页 |
| 4.1.1 道路方向角计算 | 第45-49页 |
| 4.1.2 地图网格划分 | 第49-51页 |
| 4.1.3 网格与路段关系的提取 | 第51-52页 |
| 4.1.4 筛选道路 | 第52-53页 |
| 4.2 利用浮动车大数据的地图匹配 | 第53-62页 |
| 4.2.1 常用地图匹配算法简述 | 第53-54页 |
| 4.2.2 网格索引方法 | 第54-56页 |
| 4.2.3 基于匹配度的地图匹配算法 | 第56-59页 |
| 4.2.4 地图匹配在Hadoop框架下的实现 | 第59-62页 |
| 4.3 小结 | 第62-64页 |
| 5 基于浮动车大数据的路段平均速度与平均能耗的计算 | 第64-74页 |
| 5.1 路段平均速度的计算 | 第64-70页 |
| 5.1.1 速度-时间积分模型 | 第64-65页 |
| 5.1.2 改进的速度-时间积分模型 | 第65-67页 |
| 5.1.3 基于Hadoop路段平均速度计算 | 第67-70页 |
| 5.2 路段平均能耗的计算 | 第70-72页 |
| 5.3 小结 | 第72-74页 |
| 6 基于BP神经网络的能耗预测及雾霾关系研究 | 第74-86页 |
| 6.1 BP神经网络 | 第74-77页 |
| 6.1.1 BP神经网络思想 | 第75-76页 |
| 6.1.2 BP神经网络结构 | 第76-77页 |
| 6.2 基于BP神经网络的路段百公里油耗预测 | 第77-82页 |
| 6.2.1 路段平均速度与路段平均百公里油耗拟合关系 | 第78-79页 |
| 6.2.2 不同路段平均速度下路段平均百公里能耗预测的实例验证 | 第79-82页 |
| 6.3 雾霾与油耗关系研究 | 第82-84页 |
| 6.4 小结 | 第84-86页 |
| 7 结论 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第92-96页 |
| 学位论文数据集 | 第96页 |
