| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及课题意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.2.1 轨迹语义信息增强 | 第9页 |
| 1.2.2 签到数据和出租车轨迹数据挖掘 | 第9页 |
| 1.2.3 路网拓扑结构挖掘 | 第9-10页 |
| 1.3 论文研究内容与组织结构 | 第10-12页 |
| 1.3.1 论文研究内容 | 第10页 |
| 1.3.2 论文组织结构 | 第10-12页 |
| 2 基于轨迹数据的城市数字地图创建与更新 | 第12-27页 |
| 2.1 引言 | 第12-13页 |
| 2.2 数据和问题定义 | 第13页 |
| 2.3 轨迹清洗 | 第13-16页 |
| 2.4 路网拓扑结构挖掘 | 第16-18页 |
| 2.5 车道线识别与变更监测 | 第18-19页 |
| 2.5.1 道路轨迹点分布计算 | 第18页 |
| 2.5.2 车道线数量评估 | 第18-19页 |
| 2.6 实验与评估 | 第19-25页 |
| 2.6.1 数据集与实验设置 | 第19页 |
| 2.6.2 轨迹清洗评估 | 第19-22页 |
| 2.6.3 路网拓扑结构挖掘评估 | 第22-24页 |
| 2.6.4 车道线挖掘评估 | 第24-25页 |
| 2.7 结论 | 第25-27页 |
| 3 基于多源城市数据联合挖掘的实时乘客乘车目的推测 | 第27-48页 |
| 3.1 引言 | 第27-29页 |
| 3.2 基本概念与问题定义 | 第29-30页 |
| 3.3 第一部分：推测出行目的 | 第30-37页 |
| 3.3.1 城市活动区域识别 | 第30-31页 |
| 3.3.2 候选活动区域识别 | 第31-37页 |
| 3.4 第二部分：实时响应计算 | 第37-40页 |
| 3.5 实验评估 | 第40-46页 |
| 3.5.1 实验设置 | 第40-41页 |
| 3.5.2 候选活动区域识别效果评估 | 第41-42页 |
| 3.5.3 推测出行目的算法评估 | 第42-44页 |
| 3.5.4 响应时间评估 | 第44-46页 |
| 3.6 总结与未来工作 | 第46-48页 |
| 4 基于图卷积神经网络的出行轨迹语义标定 | 第48-56页 |
| 4.1 引言 | 第48-49页 |
| 4.2 数据与问题定义 | 第49页 |
| 4.3 出行轨迹语义标定 | 第49-53页 |
| 4.3.1 乘客候选活动区域识别 | 第49-50页 |
| 4.3.2 出行图构建 | 第50页 |
| 4.3.3 图卷积神经网络在轨迹语义标定中的应用 | 第50-53页 |
| 4.4 实验评估 | 第53-55页 |
| 4.4.1 实验设置 | 第53页 |
| 4.4.2 图卷积神经网络效果评估 | 第53-55页 |
| 4.5 结论 | 第55-56页 |
| 5 结论与未来工作 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
| A.作者在攻读学位期间发表的论文目录 | 第63页 |