| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题背景及意义 | 第13-16页 |
| 1.1.1 电动自行车发展趋势及存在的问题 | 第13-14页 |
| 1.1.2 电动自行车智能防盗追踪系统简介 | 第14-16页 |
| 1.2 相关研究及研究现状 | 第16-20页 |
| 1.2.1 电动自行车相关研究 | 第16-17页 |
| 1.2.2 轨迹数据分析相关研究 | 第17-19页 |
| 1.2.3 轨迹数据可视化相关研究 | 第19-20页 |
| 1.3 本文工作和章节安排 | 第20-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第二章 电动自行车数据预处理 | 第23-37页 |
| 2.1 电动自行车数据的特征分析 | 第23-29页 |
| 2.1.1 电动自行车数据信息 | 第23-25页 |
| 2.1.2 电动自行车数据的特征分析 | 第25-29页 |
| 2.2 电动自行车数据预处理 | 第29-36页 |
| 2.2.1 数据清洗 | 第29-31页 |
| 2.2.2 停留地点挖掘 | 第31-34页 |
| 2.2.3 数据分割 | 第34-36页 |
| 2.2.4 预处理方法计算复杂度分析 | 第36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 基于电动自行车停留地点的用户行为分析 | 第37-51页 |
| 3.1 用户居住地挖掘 | 第37-40页 |
| 3.1.1 居住地挖掘模型与算法 | 第37-39页 |
| 3.1.2 实验与结果分析 | 第39-40页 |
| 3.2 用户日程访问行为建模 | 第40-43页 |
| 3.3 基于日程访问行为的用户聚类分析 | 第43-49页 |
| 3.3.1 用户间行为相似度计算 | 第43-45页 |
| 3.3.2 基于Kmeans算法的用户聚类模型 | 第45-47页 |
| 3.3.3 实验与结果分析 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于电动自行车移动轨迹的道路匹配及骑行速度分析 | 第51-65页 |
| 4.1 电动自行车移动轨迹道路匹配算法研究 | 第51-62页 |
| 4.1.1 道路匹配算法的基本思想 | 第52-53页 |
| 4.1.2 路网数据的构建 | 第53-56页 |
| 4.1.3 道路匹配算法的实现 | 第56-60页 |
| 4.1.4 道路匹配算法有效性分析 | 第60-62页 |
| 4.2 电动自行车骑行速度分析 | 第62-63页 |
| 4.3 本章小结 | 第63-65页 |
| 第五章 电动自行车数据可视化系统设计 | 第65-77页 |
| 5.1 系统结构设计 | 第65-67页 |
| 5.2 系统功能模块设计 | 第67-69页 |
| 5.3 系统界面与案例分析 | 第69-75页 |
| 5.3.1 电动自行车监控模块 | 第69-71页 |
| 5.3.2 电动自行车移动性分析模块 | 第71-72页 |
| 5.3.3 电动自行车用户行为分析模块 | 第72-75页 |
| 5.4 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-81页 |
| 6.1 本文工作总结 | 第77-78页 |
| 6.2 研究工作展望 | 第78-81页 |
| 参考文献 | 第81-85页 |
| 发表文章目录 | 第85页 |