| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究状况及总结 | 第12-16页 |
| 1.2.1 客流预测方法研究现状 | 第12-14页 |
| 1.2.2 随机森林研究现状 | 第14-15页 |
| 1.2.3 国内外研究现状总结 | 第15-16页 |
| 1.3 论文主要研究内容与结构 | 第16-17页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 论文结构 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 相关理论基础 | 第18-33页 |
| 2.1 机器学习与数据挖掘 | 第18-19页 |
| 2.1.1 机器学习 | 第18-19页 |
| 2.1.2 数据挖掘 | 第19页 |
| 2.2 Spark | 第19-25页 |
| 2.2.1 Spark生态系统 | 第19-21页 |
| 2.2.2 弹性分布式数据集RDD | 第21-23页 |
| 2.2.3 Spark应用工作流程 | 第23-24页 |
| 2.2.4 Spark应用案例 | 第24-25页 |
| 2.3 随机森林 | 第25-32页 |
| 2.3.1 决策树 | 第25-27页 |
| 2.3.2 决策树剪枝 | 第27-28页 |
| 2.3.3 决策树的缺点 | 第28-29页 |
| 2.3.4 随机森林训练过程 | 第29-30页 |
| 2.3.5 随机森林评价指标 | 第30-31页 |
| 2.3.6 随机森林优缺点 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 随机森林并行化实现与改进研究 | 第33-48页 |
| 3.1 单机环境下的随机森林 | 第33-35页 |
| 3.2 随机森林并行化实现 | 第35-40页 |
| 3.2.1 随机森林并行化策略 | 第36-39页 |
| 3.2.2 随机森林建树并行化 | 第39页 |
| 3.2.3 随机森林投票并行化 | 第39-40页 |
| 3.3 基于样本相似度的改进研究 | 第40-44页 |
| 3.3.1 样本相似度计算方法的改进 | 第41-43页 |
| 3.3.2 改进后的加权投票方法 | 第43-44页 |
| 3.4 基于特征选择的改进研究 | 第44-47页 |
| 3.4.1 随机森林的几个重要定义 | 第44页 |
| 3.4.2 随机森林特征选择规则 | 第44-45页 |
| 3.4.3 特征重要性度量 | 第45页 |
| 3.4.4 改进后的特征选择算法 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 公交客流出行特征分析 | 第48-60页 |
| 4.1 数据描述与预处理 | 第48-53页 |
| 4.1.1 数据描述 | 第48-51页 |
| 4.1.2 数据预处理 | 第51-53页 |
| 4.2 公交客流的时间分布特征 | 第53-56页 |
| 4.2.1 工作日客流量时间分布 | 第53-54页 |
| 4.2.2 周末客流量时间分布 | 第54-56页 |
| 4.3 公交客流的动态影响因素 | 第56-58页 |
| 4.3.1 天气对客流的影响 | 第56-57页 |
| 4.3.2 温度对客流的影响 | 第57页 |
| 4.3.3 节假日对客流的影响 | 第57-58页 |
| 4.4 公交客流特征提取 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 公交客流预测与实验评估 | 第60-72页 |
| 5.1 公交客流预测简介 | 第60-61页 |
| 5.2 实验条件 | 第61-62页 |
| 5.3 实验内容 | 第62-71页 |
| 5.3.1 并行化随机森林的实验结果 | 第62-64页 |
| 5.3.2 并行化随机森林与其他回归模型预测效果对比 | 第64-65页 |
| 5.3.3 线路单独建模与整体建模的实验结果 | 第65-66页 |
| 5.3.4 随机森林参数变化的实验结果 | 第66-69页 |
| 5.3.5 改进后随机森林模型的实验结果 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72页 |
| 6.2 存在的问题和不足 | 第72-73页 |
| 6.3 未来工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |