| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究综述 | 第12-15页 |
| 1.3 本文研究的主要内容及论文组织结构 | 第15-17页 |
| 第2章 相关理论基础 | 第17-29页 |
| 2.1 居民出行OD调查 | 第17-20页 |
| 2.1.1 OD调查的基本概念 | 第17页 |
| 2.1.2 OD调查的常用方法 | 第17-20页 |
| 2.1.3 OD调查的结果表达 | 第20页 |
| 2.2 出行停留点 | 第20-24页 |
| 2.2.1 出行停留点的概念 | 第20-21页 |
| 2.2.2 常用的停留点提取方法 | 第21-24页 |
| 2.3 交通小区划分 | 第24-28页 |
| 2.3.1 交通小区划分的基本概念 | 第24-25页 |
| 2.3.2 交通小区划分原则 | 第25-26页 |
| 2.3.3 交通小区划分方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 手机定位数据的预处理 | 第29-34页 |
| 3.1 数据来源及存在的问题 | 第29-31页 |
| 3.1.1 手机定位数据来源 | 第29页 |
| 3.1.2 手机定位数据存在的问题 | 第29-31页 |
| 3.2 数据预处理 | 第31-33页 |
| 3.2.1 缺陷数据的处理 | 第31页 |
| 3.2.2 漂移数据的处理 | 第31页 |
| 3.2.3 定位数据等时间间隔化处理 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于“空间-时间”双层聚类的停留点识别算法 | 第34-45页 |
| 4.1 空间层聚类并优化聚类结果 | 第34-38页 |
| 4.1.1 DBSCAN聚类算法简述 | 第34-36页 |
| 4.1.2 基于聚类获取候选停留点 | 第36-37页 |
| 4.1.3 基于KNN算法的思想优化聚类结果 | 第37-38页 |
| 4.2 时间层聚类 | 第38-39页 |
| 4.3 实验分析 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 居民出行OD矩阵的获取 | 第45-58页 |
| 5.1 居民出行OD矩阵获取方法 | 第45-49页 |
| 5.1.1 基于K-Means算法的交通小区划分方案 | 第45-47页 |
| 5.1.2 OD矩阵计算 | 第47-49页 |
| 5.2 实例设计与分析 | 第49-57页 |
| 5.2.1 实验数据准备及预处理 | 第49页 |
| 5.2.2 出行停留点及出行链提取 | 第49-50页 |
| 5.2.3 交通小区划分 | 第50-52页 |
| 5.2.4 OD矩阵计算及分析、展示 | 第52-57页 |
| 5.3 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |