声明
摘要
1 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 短时交通流预测研究现状
1.2.2 路径诱导研究现状
1.2.3 云计算及Hadoop研究现状
1.3 论文研究内容
1.4 论文组织结构
2 Hadoop平台研究
2.1 Hadoop平台简介
2.2 Hadoop分布式文件系统
2.2.1 HDFS的体系结构
2.2.2 HDFS数据之间的交互
2.2.3 HDFS的存取机制
2.3 Hadoop分布式并行编程计算框架MapReduce
2.3.1 MapReduce编程模型
2.3.2 MapReduce作业执行流程
2.3.3 MapReduce作业调优
2.4 本章小结
3 基于Hadoop平台的短时交通流预测算法研究
3.1 常用短时交通流算法研究比对
3.2 CGABP算法基本原理
3.2.1 BP神经网络算法
3.2.2 混沌遗传算法
3.2.3 混动遗传算法优化BP神经网络算法
3.3 基于MapReduce的CGABP算法设计与实现
3.3.1 CGA-BP算法的MapReduce设计
3.3.2 CGA-BP算法的MapReduce实现
3.4 本章小结
4 基于Hadoop平台的路径诱导算法研究
4.1 路径诱导算法研究对比
4.2 改进蚁群算法基本原理
4.2.1 基本蚁群算法
4.2.2 改进蚁群算法
4.3 基于MapReduce的改进蚁群算法设计与实现
4.3.1 改进蚁群算法的MapReduce设计
4.3.2 改进蚁群算法的MapReduce实现
4.4 本章小结
5 实验结果分析
5.1 Hadoop集群环境搭建
5.2 基于MapReduce的CGABP算法实验
5.2.1 实验数据预处理
5.2.2 单机环境下算法实验结果
5.2.3 Hadoop集群环境下实验结果
5.3 基于MapReduce的改进蚁群算法实验
5.4 本章小结
6 总结与展望
6.1 论文工作总结
6.2 进一步研究展望
致谢
参考文献
攻读学位期间的研究成果