云计算环境下的大样本浮动车数据处理关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-27页 |
| ·研究背景及意义 | 第12-17页 |
| ·国内外相关技术研究进展 | 第17-25页 |
| ·时空数据模型与数据库 | 第17-21页 |
| ·地图匹配算法的研究进展 | 第21-25页 |
| ·本文的研究目标和研究内容 | 第25页 |
| ·本文的组织结构 | 第25-27页 |
| 第2章 云环境下的浮动车数据处理框架 | 第27-36页 |
| ·浮动车数据处理流程及框架 | 第27-29页 |
| ·云环境下的浮动车数据处理思路 | 第29-33页 |
| ·浮动车相关数据的整体化存储 | 第29-31页 |
| ·基于三层结构的计算框架 | 第31-33页 |
| ·云环境下的浮动车数据处理实验平台 | 第33-35页 |
| ·开发环境 | 第34页 |
| ·系统结构 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于BigTable的浮动车数据组织 | 第36-65页 |
| ·BigTable数据存储系统 | 第36-41页 |
| ·数据结构 | 第36-39页 |
| ·索引和排序 | 第39-41页 |
| ·浮动车数据关系模型设计 | 第41-48页 |
| ·设计思想 | 第41-46页 |
| ·浮动车数据间的关系表达 | 第46-48页 |
| ·时空数据的索引与查询 | 第48-56页 |
| ·时态数据查询和索引机制 | 第49-51页 |
| ·空间数据的查询和索引机制 | 第51-53页 |
| ·时空数据检索 | 第53-56页 |
| ·基于BigTable的浮动车数据存储结构 | 第56-60页 |
| ·BigTable数据的图形表达 | 第56-57页 |
| ·基于BigTable的浮动车相关数据存储结构 | 第57-60页 |
| ·实验分析 | 第60-64页 |
| ·时间查询 | 第61-62页 |
| ·空间查询 | 第62-63页 |
| ·时空查询 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于匹配度反馈的道路匹配算法 | 第65-90页 |
| ·相关术语及计算方法 | 第65-67页 |
| ·道路数据预处理 | 第67-73页 |
| ·基于角度约束的道路数据压缩 | 第67-72页 |
| ·道路方位角的统一计算 | 第72-73页 |
| ·道路匹配的判别因素 | 第73-78页 |
| ·空间因素 | 第73-75页 |
| ·时间因素 | 第75-77页 |
| ·匹配度反馈 | 第77-78页 |
| ·基于匹配度反馈的地图匹配算法 | 第78-83页 |
| ·时空分析 | 第78-79页 |
| ·基于匹配度反馈的匹配算法 | 第79-82页 |
| ·算法优化 | 第82-83页 |
| ·实验分析 | 第83-88页 |
| ·道路预处理 | 第83-84页 |
| ·地图匹配 | 第84-88页 |
| ·本章小结 | 第88-90页 |
| 第5章 基于MapReduce的交通流参数计算 | 第90-110页 |
| ·并行计算相关概念 | 第90-93页 |
| ·并发性分类 | 第90-92页 |
| ·并行算法模式分类 | 第92-93页 |
| ·MapReduce编程模型 | 第93-96页 |
| ·MapReduce原理及流程 | 第93-95页 |
| ·时间复杂度分析 | 第95页 |
| ·MapReduce数据流表达 | 第95-96页 |
| ·浮动车历史数据处理与数据检索 | 第96-98页 |
| ·浮动车历史数据的处理 | 第96-97页 |
| ·基于MapReduce的浮动车历史数据检索 | 第97-98页 |
| ·基于MapReduce模型的交通流参数计算 | 第98-103页 |
| ·交通流参数的计算方法 | 第98-100页 |
| ·MapReduce模型下的交通参数计算 | 第100-103页 |
| ·实验分析 | 第103-109页 |
| ·数据查询 | 第103-104页 |
| ·交通流计算 | 第104-109页 |
| ·本章小结 | 第109-110页 |
| 第6章 总结与展望 | 第110-112页 |
| ·本文的研究工作 | 第110页 |
| ·后续研究 | 第110-112页 |
| 参考文献 | 第112-118页 |
| 图索引 | 第118-121页 |
| 表索引 | 第121-122页 |
| 攻读博士期间发表的论文及参加的课题 | 第122-123页 |
| 致谢 | 第123页 |
