| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 移动轨迹数据的分类 | 第14-15页 |
| 1.2.2 轨迹处理的方法 | 第15-16页 |
| 1.2.3 轨迹数据特征分析方法的分类 | 第16-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 论文构成 | 第19-21页 |
| 第2章 相关研究 | 第21-31页 |
| 2.1 聚类分析的基本方法 | 第21-24页 |
| 2.1.1 基于分区的聚类算法 | 第21-22页 |
| 2.1.2 基于分层的聚类算法 | 第22页 |
| 2.1.3 基于密度的聚类算法 | 第22-23页 |
| 2.1.4 基于网格的聚类算法 | 第23页 |
| 2.1.5 现有聚类算法比较 | 第23-24页 |
| 2.2 车辆轨迹分析的应用 | 第24-30页 |
| 2.2.1 路径规划 | 第24-26页 |
| 2.2.2 位置/目的地预测 | 第26-27页 |
| 2.2.3 移动行为分析 | 第27-28页 |
| 2.2.4 群组行为分析 | 第28-29页 |
| 2.2.5 城市服务 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于几何和卡尔曼滤波的轨迹数据处理 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 城市私家车轨迹的获取 | 第31-32页 |
| 3.3 数据介绍 | 第32-35页 |
| 3.4 数据处理 | 第35-41页 |
| 3.4.1 无效、冗余数据去除 | 第35-36页 |
| 3.4.2 基于几何的漂移数据检测 | 第36-39页 |
| 3.4.3 基于卡尔曼滤波的轨迹校准 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于TAD算法的城市中规律出行私家车的行驶特征分析 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 TAD算法的主要思想 | 第42-43页 |
| 4.3 TAD算法的详细设计 | 第43-48页 |
| 4.3.1 动态邻域半径 | 第43-44页 |
| 4.3.2 轨迹聚类 | 第44-48页 |
| 4.3.3 理解出行规律 | 第48页 |
| 4.4 实验结果及分析 | 第48-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 车辆规律出行检测原型系统设计用户实现 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 相关技术 | 第55-57页 |
| 5.2.1 Python | 第56页 |
| 5.2.2 JavaScript | 第56页 |
| 5.2.3 Tornado框架 | 第56-57页 |
| 5.2.4 jQuery框架 | 第57页 |
| 5.3 系统设计 | 第57-58页 |
| 5.4 系统实现 | 第58-63页 |
| 5.5 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 附录A 攻读学位期间所取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |