基于Spark的城市轨道交通客流分析平台研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 大数据技术的国内外研究现状 | 第14-16页 |
| 1.2.2 交通大数据研究与运用现状 | 第16-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 研究目标与技术路线 | 第19-20页 |
| 1.5 论文结构 | 第20-22页 |
| 2 城市轨道交通客流分析平台相关理论 | 第22-35页 |
| 2.1 大数据处理框架 | 第22-30页 |
| 2.1.1 批处理框架与Hadoop | 第22-24页 |
| 2.1.2 流式处理框架与Storm | 第24-25页 |
| 2.1.3 混合处理框架与Spark | 第25-30页 |
| 2.2 城市轨道交通客流分析理论与技术 | 第30-34页 |
| 2.2.1 OD矩阵估计方法 | 第30-32页 |
| 2.2.2 客流分配方法 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 3 城市轨道交通客流分析平台需求分析与设计 | 第35-46页 |
| 3.1 城市轨道交通客流数据特点及其既有运用方式 | 第35-38页 |
| 3.1.1 客流数据内容、规模及特点 | 第35-36页 |
| 3.1.2 客流数据传输与存储管理现状 | 第36-37页 |
| 3.1.3 客流数据的既有运用方式及效率 | 第37-38页 |
| 3.2 基于大数据技术的客流分析平台需求分析 | 第38-41页 |
| 3.2.1 功能性需求分析 | 第38-40页 |
| 3.2.2 非功能性需求分析 | 第40-41页 |
| 3.3 城市轨道交通系统客流分析平台整体设计 | 第41-45页 |
| 3.3.1 平台高可用底层集群设计 | 第41-44页 |
| 3.3.2 平台总体架构设计 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 平台数据处理模块及其关键算法设计 | 第46-65页 |
| 4.1 数据处理模块划分 | 第46-48页 |
| 4.2 动态OD矩阵估计模块 | 第48-55页 |
| 4.2.1 OD矩阵统计特征分析 | 第48-51页 |
| 4.2.2 OD客流分布规律聚类分析 | 第51-55页 |
| 4.2.3 OD矩阵估计算法 | 第55页 |
| 4.3 客流分配模块 | 第55-61页 |
| 4.3.1 路径选择广义费用模型 | 第55-57页 |
| 4.3.2 OD有效路径标定 | 第57页 |
| 4.3.3 算法实现 | 第57-61页 |
| 4.4 客流量趋势预测模块 | 第61-64页 |
| 4.4.1 常用预测方法 | 第61-62页 |
| 4.4.2 ARIMA预测模型与算法实现 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 平台功能实现与测试 | 第65-83页 |
| 5.1 集群实验环境搭建与部署 | 第65-67页 |
| 5.2 实时流式数据计算 | 第67-72页 |
| 5.2.1 运行Spark Streaming | 第67-69页 |
| 5.2.2 AFC数据清洗 | 第69-71页 |
| 5.2.3 HDFS文件写/读操作 | 第71-72页 |
| 5.3 平台可视化模块 | 第72-75页 |
| 5.3.1 百度地图API介绍 | 第72页 |
| 5.3.2 线网内客流绘制方法 | 第72-74页 |
| 5.3.3 可视化模块数据请求 | 第74-75页 |
| 5.4 平台模拟运行与性能测试 | 第75-82页 |
| 5.4.1 模拟运行分析 | 第75-81页 |
| 5.4.2 平台性能分析 | 第81-82页 |
| 5.5 本章小结 | 第82-83页 |
| 6 结论与展望 | 第83-86页 |
| 6.1 研究结论 | 第83-84页 |
| 6.2 研究展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第90-94页 |
| 学位论文数据集 | 第94页 |
