摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-21页 |
1.1 研究背景及意义 | 第12-14页 |
1.1.1 研究背景 | 第12-13页 |
1.1.2 研究意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-19页 |
1.2.1 大数据研究现状 | 第14-16页 |
1.2.2 铁路客流分析现状 | 第16-18页 |
1.2.3 铁路运营组织研究现状 | 第18-19页 |
1.3 研究内容与技术路线 | 第19-21页 |
1.3.1 研究内容 | 第19-20页 |
1.3.2 论文技术路线 | 第20-21页 |
第2章 基于客票数据的高铁客流分析与挖掘基础 | 第21-37页 |
2.1 大数据分析技术 | 第21-25页 |
2.1.1 大数据概述 | 第21-22页 |
2.1.2 数据仓库技术 | 第22-24页 |
2.1.3 数据挖掘技术 | 第24-25页 |
2.2 铁路客票数据特征 | 第25-29页 |
2.2.1 中国铁路客票发售与预定系统 | 第25-26页 |
2.2.2 客票系统数据体系 | 第26-27页 |
2.2.3 客票数据内容 | 第27-29页 |
2.3 高铁客流数据分析与挖掘的内容 | 第29-35页 |
2.3.1 客流统计分析指标 | 第29页 |
2.3.2 旅客出行行为 | 第29-32页 |
2.3.3 客流时空分布特征 | 第32-34页 |
2.3.4 数据挖掘内容 | 第34-35页 |
2.4 高铁客流数据分析与挖掘的应用 | 第35-36页 |
2.4.1 高速铁路列车开行方案优化 | 第36页 |
2.4.2 高速铁路市场营销决策支持 | 第36页 |
2.5 本章小结 | 第36-37页 |
第3章 高铁客票数据挖掘关键技术分析 | 第37-49页 |
3.1 高速铁路客票数据挖掘目标和方案 | 第37-38页 |
3.1.1 高速铁路客票数据挖掘目标 | 第37页 |
3.1.2 高速铁路客票数据挖掘方案 | 第37-38页 |
3.2 基于SQL Server的数据挖掘技术 | 第38-42页 |
3.2.1 数据挖掘工具选取 | 第38-39页 |
3.2.2 数据挖掘算法原理 | 第39-42页 |
3.3 高速铁路客票数据预处理 | 第42-44页 |
3.3.1 数据预处理概述 | 第42-43页 |
3.3.2 客票数据处理 | 第43-44页 |
3.4 高速铁路客票数据仓库设计 | 第44-47页 |
3.4.1 事实数据表设计 | 第44-45页 |
3.4.2 维度数据表设计 | 第45-46页 |
3.4.3 数据仓库架构设计 | 第46-47页 |
3.5 高速铁路客票数据挖掘设计 | 第47-48页 |
3.6 本章小结 | 第48-49页 |
第4章 高速铁路客票统计决策分析系统设计 | 第49-62页 |
4.1 系统设计 | 第49-51页 |
4.1.1 系统目标 | 第49页 |
4.1.2 系统功能结构 | 第49-50页 |
4.1.3 系统预览 | 第50-51页 |
4.2 系统运行环境 | 第51页 |
4.3 系统功能模块设计 | 第51-61页 |
4.3.1 用户管理模块设计 | 第51-52页 |
4.3.2 基础数据管理模块设计 | 第52-55页 |
4.3.3 历史统计模块设计 | 第55-56页 |
4.3.4 旅客行为分析模块设计 | 第56-59页 |
4.3.5 数据挖掘模块设计 | 第59-61页 |
4.4 本章小结 | 第61-62页 |
第5章 实例分析 | 第62-77页 |
5.1 贵广高铁概况 | 第62-63页 |
5.2 贵广高铁客流分析与挖掘结果 | 第63-72页 |
5.2.1 时空分布特性 | 第63-66页 |
5.2.2 旅客出行行为 | 第66-69页 |
5.2.3 数据挖掘结果 | 第69-72页 |
5.3 基于客流规律的贵广高铁列车运行组织辅助决策 | 第72-76页 |
5.3.1 贵广高铁列车运行组织现状 | 第72-73页 |
5.3.2 匹配车站客流规律的列车运行组织优化 | 第73-76页 |
5.4 本章小结 | 第76-77页 |
结论与展望 | 第77-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-83页 |
攻读硕士学位期间发表的论文及科研成果 | 第83页 |