| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1. 选题依据和研究意义 | 第11-13页 |
| 1.2. 国内外研究现状 | 第13-14页 |
| 1.3. 本文研究内容及章节安排 | 第14-16页 |
| 第二章 系统开发框架相关介绍 | 第16-25页 |
| 2.1. 基于Spring开源框架编写软件 | 第16-18页 |
| 2.2. 使用SpringMVC管理页面与控制器 | 第18-20页 |
| 2.3. 使用MyBatis操作数据层 | 第20-21页 |
| 2.4. 使用Redis提升数据库性能 | 第21-22页 |
| 2.5. 多路复用接口(Epoll)提升并发能力 | 第22-23页 |
| 2.6. 本章小结 | 第23-25页 |
| 第三章 系统需求分析与设计 | 第25-43页 |
| 3.1. 系统需求分析 | 第25-27页 |
| 3.1.1. 系统角色分析 | 第25-26页 |
| 3.1.2. 系统功能需求分析 | 第26-27页 |
| 3.2. 软件的整体框架 | 第27-32页 |
| 3.2.1. 设计原则 | 第27-28页 |
| 3.2.2. 系统架构 | 第28-30页 |
| 3.2.3. 系统模块 | 第30-32页 |
| 3.3. 系统的关键模块实现 | 第32-40页 |
| 3.3.1. 登录模块的实现 | 第33-35页 |
| 3.3.2. 位置管理模块的实现 | 第35-37页 |
| 3.3.3. 消息管理模块的实现 | 第37-39页 |
| 3.3.4. V2V网络质量预测功能的实现 | 第39-40页 |
| 3.4. 数据库部分的设计与实现 | 第40-42页 |
| 3.5. 本章小结 | 第42-43页 |
| 第四章 基于车辆位置的机器学习算法的研究 | 第43-59页 |
| 4.1. 在应用层改善底层V2V通信质量的原理 | 第43-44页 |
| 4.2. 本文使用的机器学习算法 | 第44-52页 |
| 4.2.1. 对数几率回归(LR)算法 | 第45-46页 |
| 4.2.2. 朴素贝叶斯(Naive Bayes)算法 | 第46-47页 |
| 4.2.3. 支持向量机(SVM)算法 | 第47-50页 |
| 4.2.4. C4.5决策树 | 第50-52页 |
| 4.3. 预测车辆V2V通信场景网络质量 | 第52-58页 |
| 4.3.1. 预测车辆V2V通信网络质量建模 | 第52-53页 |
| 4.3.2. 数据采集与预处理 | 第53-54页 |
| 4.3.3. 预测模型训练与网络质量预测 | 第54页 |
| 4.3.4. 训练结果 | 第54-55页 |
| 4.3.5. 用NS-3测试V2V网络质量预测服务效果 | 第55-58页 |
| 4.4. 本章小结 | 第58-59页 |
| 第五章 系统功能与性能测试 | 第59-66页 |
| 5.1. 系统功能测试 | 第59-63页 |
| 5.1.1. 登录模块 | 第59-60页 |
| 5.1.2. 位置信息管理模块 | 第60-62页 |
| 5.1.3. 消息模块 | 第62-63页 |
| 5.1.4. V2V网络质量预测模块 | 第63页 |
| 5.2. 系统性能测试 | 第63-66页 |
| 第六章 总结与展望 | 第66-67页 |
| 6.1. 总结 | 第66页 |
| 6.2. 展望 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的学术论文目录 | 第70页 |