声明
摘要
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 国内外研究现状
1.2.1 应用研究现状
1.2.2 理论研究现状
1.3 论文的研究内容与章节安排
2.1.1 算法概述
2.1.2 参数分析
2.2 Canopy算法
2.2.1 算法概述
2.2.2 参数分析
2.3 K-Means++算法
2.3.1 算法概述
2.3.2 参数分析
2.4 算法对比分析
2.5 本章小结
第3章 数据分析与数据预处理
3.1 数据准备与数据分析
3.1.1 数据源
3.1.2 下单时段分布特征
3.1.3 出行影响因素分析
3.2 数据预处理
3.2.1 数据采样
3.2.2 提取有效数据
3.2.3 过滤异常数据
3.2.4 构造样本空间
3.3 本章小结
第4章 乘客出行热点区域预测与可视化
4.1 乘客出行热点区域预测
4.1.1 乘客出行热点区域的定义
4.1.2 乘客出行热点区域预测
4.1.3 预测值与真实值的对比分析
4.2 乘客出行热点区域可视化
4.2.1 乘客出行热点区域可视化描述
4.2.2 乘客出行热点区域可视化信息
4.2.3 热力图展示热点出行区域
4.2.4 标注热点中心与热点辐射区域
4.2.5 热点附近POI点信息展示
4.2.6 热点附近商圈信息展示
4.2.7 城市交通路况展示
4.3 本章小结
第5章 乘客出行热点区域分布预测与可视化系统
5.1 平台构建环境
5.2 技术组件描述
5.2.1 Apache Commons Math描述
5.2.2 Apache Mahout描述
5.2.3 SpringMVC以及MyBatis后台接口描述
5.2.4 Smarty前端模板引擎描述
5.3 数据处理模块
5.3.1 过滤异常经纬度数据功能
5.3.2 影响因素采集功能
5.3.3 经纬度检索服务功能
5.4 数据分析模块
5.4.1 下单分布预测
5.4.2 出行热点商圈预测
5.4.3 出行热点POI预测
5.5 预测与可视化模块
5.5.1 样本数据获取
5.5.2 参数输入
5.5.3 空间聚类算法
5.5.4 预测结果可视化服务
5.6 本章小结
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢