基于GPS数据的出行目的识别
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 国外研究现状 | 第12-14页 |
| 1.3.2 国内研究现状 | 第14页 |
| 1.3.3 研究综述 | 第14-15页 |
| 1.4 研究内容与技术路线 | 第15-17页 |
| 1.4.1 研究内容 | 第15页 |
| 1.4.2 技术路线 | 第15-17页 |
| 第2章 GPS数据调查和出行目的行为分析 | 第17-33页 |
| 2.1 数据处理 | 第17-24页 |
| 2.1.1 格式转换 | 第17-20页 |
| 2.1.2 数据过滤 | 第20-21页 |
| 2.1.3 出行段生成 | 第21-22页 |
| 2.1.4 日出行模式的初步划分 | 第22-24页 |
| 2.2 工作日出行目的选择行为分析 | 第24-27页 |
| 2.2.1 单日出行模式和出行目的选择特征 | 第24-25页 |
| 2.2.2 出行目的的影响因素 | 第25-27页 |
| 2.3 非工作日出行目的选择行为分析 | 第27-30页 |
| 2.3.1 单日出行模式和出行目的选择特征 | 第27-28页 |
| 2.3.2 出行目的的影响因素 | 第28-30页 |
| 2.4 多日出行目的统计分析 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 日出行模式-出行目的建模识别 | 第33-49页 |
| 3.1 非集计建模理论 | 第33-34页 |
| 3.2 日出行模式识别模型建立 | 第34-38页 |
| 3.2.1 选择肢的确定 | 第34页 |
| 3.2.2 变量设置 | 第34-35页 |
| 3.2.3 工作日的日出行模式识别 | 第35-36页 |
| 3.2.4 非工作日的日出行模式识别 | 第36-38页 |
| 3.3 日出行目的识别 | 第38-47页 |
| 3.3.1 工作日日出行目的识别 | 第38-42页 |
| 3.3.2 非工作日日出行目的识别 | 第42-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于多日习惯的出行目的识别 | 第49-57页 |
| 4.1 模型的建立 | 第49-51页 |
| 4.2 工作日的出行目的识别 | 第51-53页 |
| 4.2.1 模型标定和结果分析 | 第51-52页 |
| 4.2.2 精度验证 | 第52-53页 |
| 4.3 非工作日的出行目的识别 | 第53-55页 |
| 4.3.1 模型标定和结果分析 | 第53-55页 |
| 4.3.2 精度验证 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文研究总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简介 | 第63-65页 |
| 致谢 | 第65页 |
