基于轨迹数据的人流预测模型及方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构安排 | 第13-14页 |
| 第二章 相关知识 | 第14-17页 |
| 2.1 神经网络 | 第14-15页 |
| 2.1.1 BP 神经网络 | 第14-15页 |
| 2.2 聚类算法 | 第15-16页 |
| 2.2.1 DBSCAN 密度聚类算法 | 第15-16页 |
| 2.3 曲线拟合 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 停留区域识别方法 | 第17-29页 |
| 3.1 停留区域识别方法概述 | 第17-18页 |
| 3.2 基于改变点的分段方法 | 第18-19页 |
| 3.3 特征提取 | 第19-22页 |
| 3.4 基于 BP 神经网络预测模型 | 第22-23页 |
| 3.5 基于密度聚类的停留区域识别方法 | 第23-25页 |
| 3.6 原始轨迹集的选择 | 第25页 |
| 3.7 参数的选择 | 第25页 |
| 3.8 停留区域识别实验 | 第25-27页 |
| 3.9 本章小结 | 第27-29页 |
| 第四章 公共区域发现方法以及客流量估算方法 | 第29-37页 |
| 4.1 方法概述 | 第29-30页 |
| 4.2 基于网格的公共区域发现方法 | 第30-31页 |
| 4.3 提取目标区域轨迹数据 | 第31-32页 |
| 4.4 建立数据模型 | 第32页 |
| 4.5 高斯拟合估算模型 | 第32-33页 |
| 4.6 采样数据与实际数据的转换 | 第33-34页 |
| 4.7 轨迹数据选用原则 | 第34页 |
| 4.8 公共区域发现实验 | 第34-35页 |
| 4.9 客流量估算实验 | 第35-36页 |
| 4.10 本章小结 | 第36-37页 |
| 第五章 结论 | 第37-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42-43页 |
| 附录 A 攻读硕士学位期间发表的学术论文 | 第43页 |
