海量城市交通数据可视化与人类出行行为的可视分析研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 地理数据可视化研究 | 第12-13页 |
| 1.2.2 移动数据可视化研究 | 第13-14页 |
| 1.2.3 交通数据可视化发展现状 | 第14-16页 |
| 1.3 主要工作 | 第16页 |
| 1.4 章节安排 | 第16-18页 |
| 第二章 相关技术研究 | 第18-26页 |
| 2.1 可视化技术研究 | 第18-20页 |
| 2.1.1 可视化技术概述 | 第18-19页 |
| 2.1.2 可视化模型 | 第19-20页 |
| 2.2 交通领域可视化研究 | 第20-22页 |
| 2.2.1 时间属性的可视化 | 第21页 |
| 2.2.2 空间属性的可视化 | 第21-22页 |
| 2.3 任务需求研究 | 第22-25页 |
| 2.3.1 系统功能需求 | 第22-24页 |
| 2.3.2 系统性能需求 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 交通数据可视化系统设计与实现 | 第26-53页 |
| 3.1 交通数据可视分析系统设计 | 第26-28页 |
| 3.1.1 系统功能设计 | 第26-28页 |
| 3.1.2 用户交互设计 | 第28页 |
| 3.2 数据库构建 | 第28-34页 |
| 3.2.1 出租车GPS数据预处理 | 第28-29页 |
| 3.2.2 地图匹配算法 | 第29-32页 |
| 3.2.3 路网数据处理 | 第32-33页 |
| 3.2.4 数据库构建 | 第33-34页 |
| 3.3 可视化算法与设计 | 第34-41页 |
| 3.3.1 视觉编码原则 | 第34-35页 |
| 3.3.2 地理坐标投影 | 第35页 |
| 3.3.3 比例尺方法 | 第35-36页 |
| 3.3.4 可视化布局算法 | 第36-37页 |
| 3.3.5 出行轨迹直接描点法 | 第37-38页 |
| 3.3.6 区域分析设计 | 第38-39页 |
| 3.3.7 拥堵分析设计 | 第39-41页 |
| 3.4 交通聚类算法简介 | 第41-45页 |
| 3.4.1 DBSCAN聚类算法简介 | 第41-43页 |
| 3.4.2 k-means划分算法简介 | 第43-44页 |
| 3.4.3 k-means与DBSCAN算法对比 | 第44-45页 |
| 3.4.4 k-means算法本文应用 | 第45页 |
| 3.5 系统实现 | 第45-52页 |
| 3.5.1 系统架构实现 | 第45-47页 |
| 3.5.2 区域分析模块实现 | 第47-49页 |
| 3.5.3 拥堵分析模块实现 | 第49-51页 |
| 3.5.4 出行轨迹模块实现 | 第51-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 真实数据验证与分析 | 第53-66页 |
| 4.1 区域分析功能验证 | 第53-56页 |
| 4.1.1 区域分析过程 | 第53-56页 |
| 4.1.2 区域分析最终结论 | 第56页 |
| 4.2 拥堵分析功能验证 | 第56-61页 |
| 4.2.1 城市速度总览 | 第57-58页 |
| 4.2.2 选择街道依据 | 第58页 |
| 4.2.3 街道交通状况分析 | 第58-60页 |
| 4.2.4 拥堵分析最终结论 | 第60-61页 |
| 4.3 出行行为分析 | 第61-65页 |
| 4.3.1 单个出租车样本选择 | 第61-62页 |
| 4.3.2 单个出租车出行区域特征 | 第62-63页 |
| 4.3.3 单个出租车出行轨迹特征 | 第63-64页 |
| 4.3.4 分析与结论 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 进一步研究工作 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士期间取得成果 | 第72页 |
