| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究发展现状 | 第12-15页 |
| 1.2.1 国内外研究现状 | 第12-15页 |
| 1.2.2 国内外研究现状分析 | 第15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关理论知识介绍 | 第17-28页 |
| 2.1 出租车GPS数据介绍 | 第17-20页 |
| 2.1.1 出租车运营特征 | 第17页 |
| 2.1.2 GPS定位原理 | 第17-18页 |
| 2.1.3 出租车GPS数据采集 | 第18-19页 |
| 2.1.4 GPS数据来源及格式 | 第19-20页 |
| 2.1.5 数据预处理 | 第20页 |
| 2.2 Hadoop平台 | 第20-24页 |
| 2.2.1 HDFS与Hadoop | 第22页 |
| 2.2.2 MapReduce与Hadoop | 第22-24页 |
| 2.3 数据挖掘 | 第24-27页 |
| 2.3.1 数据挖掘特点 | 第24-25页 |
| 2.3.2 聚类分析理论 | 第25页 |
| 2.3.3 K-Means聚类算法 | 第25-26页 |
| 2.3.4 DBSCAN聚类算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 数据处理平台的搭建及数据处理 | 第28-40页 |
| 3.1 数据处理平台设计 | 第28-29页 |
| 3.2 平台搭建 | 第29-31页 |
| 3.2.1 Hadoop平台搭建 | 第29-30页 |
| 3.2.2 Hive安装配置 | 第30-31页 |
| 3.3 数据的导入 | 第31-34页 |
| 3.3.1 Hive数据导入方式 | 第31-32页 |
| 3.3.2 Hive建表 | 第32页 |
| 3.3.3 Hive分区表 | 第32-33页 |
| 3.3.4 配置Hive与Eclipse | 第33-34页 |
| 3.4 算法MapReduce并行化 | 第34-38页 |
| 3.4.1 K-means算法MapReduce化 | 第34-36页 |
| 3.4.2 DBSCAN算法MapReduce化 | 第36-38页 |
| 3.5 地图匹配 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 居民出行时空分析 | 第40-50页 |
| 4.1 时间分析 | 第40-46页 |
| 4.1.1 日出行量 | 第40-44页 |
| 4.1.2 出行时间分析 | 第44页 |
| 4.1.3 载客率分析 | 第44-46页 |
| 4.2 空间分析 | 第46-50页 |
| 4.2.1 居民出行距离分析 | 第46-48页 |
| 4.2.2 热点区域分析 | 第48-50页 |
| 第5章 出租GPS数据的商圈分析 | 第50-58页 |
| 5.1 出租车GPS数据的商圈分析框架 | 第50-51页 |
| 5.2 数据探索分析 | 第51-54页 |
| 5.2.1 基于网格的划分 | 第51-52页 |
| 5.2.2 数据变换 | 第52-53页 |
| 5.2.3 数据标准化处理 | 第53-54页 |
| 5.3 模型构建 | 第54-55页 |
| 5.3.1 距离 | 第54页 |
| 5.3.2 离差平方和聚类 | 第54-55页 |
| 5.4 模型分析 | 第55-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录A（攻读学位期间发表的学术论文和参与项目） | 第64页 |