中文摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
变量注释表 | 第10-14页 |
第一章 绪论 | 第14-24页 |
1.1 研究背景 | 第14-15页 |
1.2 研究目的及意义 | 第15-16页 |
1.3 国内外研究现状 | 第16-22页 |
1.3.1 居民出行特征研究现状 | 第16-18页 |
1.3.2 手机定位技术发展现状 | 第18-20页 |
1.3.3 基于手机信令定位数据的出行特征研究现状 | 第20-22页 |
1.4 主要研究内容 | 第22-24页 |
1.4.1 研究内容 | 第22-23页 |
1.4.2 技术路线 | 第23-24页 |
第二章 手机定位原理及交通适用性分析 | 第24-36页 |
2.1 GSM通信系统原理 | 第24-28页 |
2.1.1 系统结构及运行原理 | 第24-28页 |
2.1.2 蜂窝网络层级划分 | 第28页 |
2.2 手机定位技术原理 | 第28-30页 |
2.2.1 COO定位技术 | 第28-29页 |
2.2.2 手机切换定位技术 | 第29-30页 |
2.3 手机信令数据解读 | 第30-32页 |
2.4 出行特征研究适用性 | 第32-35页 |
2.4.1 “手机出行”定义 | 第32-33页 |
2.4.2 出行特征指标 | 第33-34页 |
2.4.3 适用性分析 | 第34-35页 |
2.5 本章小结 | 第35-36页 |
第三章 数据预处理及特性分析 | 第36-55页 |
3.1 信令数据预处理 | 第36-40页 |
3.1.1 原始数据存储与匹配 | 第37-38页 |
3.1.2 无效数据过滤 | 第38-40页 |
3.2 噪音数据识别与处理 | 第40-46页 |
3.2.1 噪音数据类型 | 第41-42页 |
3.2.2 乒乓数据处理算法 | 第42-43页 |
3.2.3 漂移数据处理算法 | 第43-46页 |
3.2.4 静止数据处理算法 | 第46页 |
3.3 定位数据特性分析 | 第46-54页 |
3.3.1 事件分类与构成 | 第47-50页 |
3.3.2 时间分布特性 | 第50-53页 |
3.3.3 距离和速度分布特性 | 第53-54页 |
3.4 本章小结 | 第54-55页 |
第四章 出行特征提取模型 | 第55-70页 |
4.1 模型框架 | 第55页 |
4.2 出行识别原理 | 第55-58页 |
4.2.1 方法分类与选取 | 第55-56页 |
4.2.2 轨迹点时空特征 | 第56-58页 |
4.3 时空聚类出行识别算法 | 第58-63页 |
4.3.1 算法思路 | 第58-59页 |
4.3.2 算法描述 | 第59-61页 |
4.3.3 算法设计 | 第61-63页 |
4.4 出行特征指标 | 第63-67页 |
4.4.1 出行人口 | 第63-64页 |
4.4.2 出行次数 | 第64页 |
4.4.3 出行距离 | 第64-65页 |
4.4.4 出行速度 | 第65-66页 |
4.4.5 出行时间分布 | 第66-67页 |
4.5 扩样原理与方法 | 第67-69页 |
4.6 本章小结 | 第69-70页 |
第五章 实例分析与模型验证 | 第70-83页 |
5.1 实验介绍 | 第70-72页 |
5.1.1 实验概述 | 第70页 |
5.1.2 研究区域 | 第70-71页 |
5.1.3 实验环境 | 第71-72页 |
5.2 参数分析与标定 | 第72-76页 |
5.2.1 参数分类 | 第72-73页 |
5.2.2 数据预处理参数 | 第73-74页 |
5.2.3 出行提取模型参数 | 第74-76页 |
5.3 程序运行处理 | 第76-77页 |
5.4 实验结果分析 | 第77-82页 |
5.4.1 出行次数 | 第77页 |
5.4.2 出行距离 | 第77-78页 |
5.4.3 出行时间 | 第78-80页 |
5.4.4 出行速度 | 第80-81页 |
5.4.5 个人出行停留概率 | 第81-82页 |
5.5 本章小结 | 第82-83页 |
第六章 结论与展望 | 第83-85页 |
6.1 研究结论 | 第83页 |
6.2 研究展望 | 第83-85页 |
致谢 | 第85-86页 |
参考文献 | 第86-89页 |
附录 | 第89-107页 |
作者简介 | 第107页 |