出租车GPS数据的信息挖掘研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.2.1 数据挖掘研究现状 | 第12-13页 |
| 1.2.2 出租车GPS数据应用研究现状 | 第13页 |
| 1.3 论文的内容 | 第13-14页 |
| 1.4 论文的结构 | 第14-16页 |
| 2 出租车GPS数据预处理 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 Spark大数据平台介绍 | 第16-18页 |
| 2.3 GPS数据采集原理 | 第18-19页 |
| 2.4 GPS数据介绍 | 第19-20页 |
| 2.5 GPS数据预处理 | 第20-24页 |
| 2.5.1 GPS数据清洗 | 第20-22页 |
| 2.5.2 GPS数据上下车轨迹点提取 | 第22-24页 |
| 3 基于出租车GPS数据的居民出行时空研究 | 第24-39页 |
| 3.1 引言 | 第24-25页 |
| 3.2 居民出行时间维度研究 | 第25-32页 |
| 3.2.1 日出行总量统计 | 第25页 |
| 3.2.2 各时间段出行量统计 | 第25-29页 |
| 3.2.3 出租车载客率研究 | 第29-31页 |
| 3.2.4 居民出行高峰时间段 | 第31-32页 |
| 3.3 居民出行空间维度分析 | 第32-38页 |
| 3.3.1 聚类算法 | 第32-34页 |
| 3.3.2 居民出行热点区域挖掘 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于出租车GPS数据的司机行为分析 | 第39-56页 |
| 4.1 引言 | 第39页 |
| 4.2 特征构建 | 第39-43页 |
| 4.2.1 特征挖掘 | 第39-40页 |
| 4.2.2 特征计算 | 第40-43页 |
| 4.3 特征选择 | 第43-46页 |
| 4.3.1 主成分分析 | 第43-45页 |
| 4.3.2 特征选择方法 | 第45-46页 |
| 4.4 模型介绍 | 第46-49页 |
| 4.4.1 逻辑回归 | 第47-48页 |
| 4.4.2 随机森林 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-55页 |
| 4.5.1 样本数据 | 第49页 |
| 4.5.2 数据相关性分析 | 第49-51页 |
| 4.5.3 特征筛选 | 第51-53页 |
| 4.5.4 模型训练 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 总结及展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 文章的不足和展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第61-63页 |
| 学位论文数据集 | 第63页 |
