| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 GPS数据挖掘技术研究现状 | 第11-12页 |
| 1.2.2 行程时间预测技术研究现状 | 第12页 |
| 1.2.3 现状总结 | 第12-13页 |
| 1.3 论文主要工作 | 第13页 |
| 1.4 论文结构 | 第13-16页 |
| 第2章 数据挖掘概述 | 第16-22页 |
| 2.1 数据挖掘简介 | 第16-17页 |
| 2.2 常规数据挖掘方法 | 第17-19页 |
| 2.2.1 回归分析预测法 | 第17页 |
| 2.2.2 决策树分类法 | 第17-18页 |
| 2.2.3 K均值算法 | 第18页 |
| 2.2.4 人工神经算法 | 第18-19页 |
| 2.3 数据挖掘在交通领域的应用 | 第19页 |
| 2.4 Hadoop数据处理平台 | 第19-20页 |
| 2.4.1 HDFS分布式文件存储系统 | 第20页 |
| 2.4.2 MapReduce编程模型 | 第20页 |
| 2.5 本章小结 | 第20-22页 |
| 第3章 公交车GPS数据分析与预处理 | 第22-30页 |
| 3.1 公交车GPS数据基础特性分析 | 第22-26页 |
| 3.1.1 原始数据统计 | 第22-23页 |
| 3.1.2 GPS轨迹分析 | 第23-26页 |
| 3.2 公交车GPS数据预处理 | 第26-29页 |
| 3.2.1 数据筛选 | 第27页 |
| 3.2.2 漂移数据处理 | 第27-29页 |
| 3.2.3 间断点处理 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 基于公交车GPS数据的交通信息挖掘与获取 | 第30-44页 |
| 4.1 路网地图数据提取 | 第30-32页 |
| 4.1.1 百度地图API | 第30-31页 |
| 4.1.2 路网地图数据获取方法 | 第31-32页 |
| 4.2 地图匹配 | 第32-38页 |
| 4.2.1 地图匹配原理 | 第32-33页 |
| 4.2.2 常用的地图匹配算法 | 第33-34页 |
| 4.2.3 基于网格索引的地图匹配算法 | 第34-38页 |
| 4.3 起终站点位置坐标的获取 | 第38-39页 |
| 4.3.1 站点位置分析 | 第38页 |
| 4.3.2 站点位置获取方法 | 第38-39页 |
| 4.4 公交车行程时间的获取 | 第39-42页 |
| 4.4.1 站点GPS定位点的特性分析 | 第39-40页 |
| 4.4.2 获取到站时间点的方法 | 第40-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 行程时间预测模型设计 | 第44-50页 |
| 5.1 公交车行程时间相关性分析 | 第44页 |
| 5.2 BP神经网络预测模型原理 | 第44-46页 |
| 5.3 基于BP神经网络的行程时间预测模型的应用 | 第46-48页 |
| 5.4 本章小结 | 第48-50页 |
| 第6章 面向行程时间预测的公交车GPS数据挖掘系统设计与实现 | 第50-56页 |
| 6.1 系统的总体结构 | 第50-51页 |
| 6.2 系统平台的模块设计 | 第51页 |
| 6.3 系统平台的实现 | 第51-55页 |
| 6.3.1 Hadoop集群平台的搭建与实现 | 第51-53页 |
| 6.3.2 平台管理模块与集群环境的对接 | 第53-54页 |
| 6.3.3 WebGIS功能模块的实现 | 第54-55页 |
| 6.4 本章小结 | 第55-56页 |
| 第7章 结论和展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 在学期间主要科研成果 | 第64页 |
| 一、发表学术论文 | 第64页 |
| 二、其它科研成果 | 第64页 |