| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 出行行为研究现状 | 第12-13页 |
| 1.2.2 基于移动信令数据的用户出行行为研究现状 | 第13-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 理论基础及应用需求 | 第16-26页 |
| 2.1 GSM移动通信系统 | 第16-17页 |
| 2.2 移动信令定位技术 | 第17-20页 |
| 2.2.1 基于移动网络的定位技术 | 第18页 |
| 2.2.2 基于移动终端的定位技术 | 第18-20页 |
| 2.3 移动信令数据预处理 | 第20-22页 |
| 2.3.1 移动信令数据格式 | 第20-21页 |
| 2.3.2 乒乓切换数据处理 | 第21-22页 |
| 2.4 出行行为研究应用需求 | 第22-25页 |
| 2.4.1 出行时空分布特征 | 第23页 |
| 2.4.2 出行目的 | 第23-24页 |
| 2.4.3 出行方式 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于改进的DBSCAN聚类算法的交通小区划分 | 第26-35页 |
| 3.1 传统交通小区划分方法 | 第26-27页 |
| 3.2 改进DBSCAN密度聚类算法 | 第27-32页 |
| 3.2.1 DBSCAN算法定义 | 第27-30页 |
| 3.2.2 改进DBSCAN密度聚类算法 | 第30-32页 |
| 3.3 实验及分析 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 用户出行行为研究 | 第35-53页 |
| 4.1 移动轨迹提取 | 第35-37页 |
| 4.1.1 驻留点识别算法 | 第35-36页 |
| 4.1.2 移动轨迹表示 | 第36-37页 |
| 4.2 出行时空分布特征分析 | 第37-39页 |
| 4.2.1 出行时间分布 | 第37-38页 |
| 4.2.2 出行空间分布 | 第38-39页 |
| 4.3 出行目的判断 | 第39-42页 |
| 4.3.1 交通小区语义化处理 | 第39-41页 |
| 4.3.2 目的小区识别 | 第41-42页 |
| 4.4 出行方式识别 | 第42-46页 |
| 4.4.1 基于隶属度函数的出行方式模糊判断 | 第42-44页 |
| 4.4.2 基于百度地图API的轨迹匹配 | 第44-46页 |
| 4.5 实验及分析 | 第46-52页 |
| 4.5.1 实例研究 | 第46页 |
| 4.5.2 实验环境 | 第46-47页 |
| 4.5.3 数据预处理 | 第47页 |
| 4.5.4 实验结果分析 | 第47-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 总结与未来展望 | 第53-55页 |
| 5.1 全文总结 | 第53-54页 |
| 5.2 未来展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第60页 |