基于马尔科夫模型的出行目的地预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文研究背景 | 第10-11页 |
| 1.2 论文研究目的及意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.3.3 研究综述 | 第14-15页 |
| 1.4 研究内容与技术路线 | 第15-18页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 技术路线 | 第16-18页 |
| 第2章 GPS数据调查处理及建模数据获取 | 第18-34页 |
| 2.1 GPS数据调查 | 第18-23页 |
| 2.2 GPS数据处理 | 第23-26页 |
| 2.2.1 数据过滤 | 第23-24页 |
| 2.2.2 GPS数据点转化为出行段 | 第24-25页 |
| 2.2.3 出行目的地确定 | 第25-26页 |
| 2.3 建模数据获取 | 第26-32页 |
| 2.3.1 划分工作日和非工作日出行时段 | 第26-27页 |
| 2.3.2 频繁到访目的地 | 第27-28页 |
| 2.3.3 支持点 | 第28-30页 |
| 2.3.4 建模数据 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 出行前的目的地建模预测 | 第34-42页 |
| 3.1 马尔科夫链建模理论分析 | 第34-37页 |
| 3.1.1 马尔科夫过程 | 第35页 |
| 3.1.2 马尔科夫链的定义及性质 | 第35-36页 |
| 3.1.3 马尔科夫链的平稳分布及遍历性 | 第36-37页 |
| 3.2 建立出行前的目的地预测模型 | 第37-38页 |
| 3.2.1 工作日和非工作日的模型建立 | 第37页 |
| 3.2.2 工作日和非工作日的模型标定 | 第37-38页 |
| 3.3 出行前的目的地预测及结果分析 | 第38-40页 |
| 3.3.1 出行前的目的地预测 | 第38页 |
| 3.3.2 结果分析 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 出行中的目的地建模预测 | 第42-56页 |
| 4.1 隐马尔科夫建模理论分析 | 第42-48页 |
| 4.1.1 隐马尔科夫模型描述 | 第44页 |
| 4.1.2 隐马尔科夫模型研究的三个基本问题 | 第44-45页 |
| 4.1.3 隐马尔科夫模型的三类基本算法 | 第45-48页 |
| 4.2 建立出行中的目的地预测模型 | 第48-50页 |
| 4.2.1 工作日和非工作日的模型建立 | 第48-49页 |
| 4.2.2 工作日和非工作日的模型标定 | 第49-50页 |
| 4.3 出行中的目的地预测及结果分析 | 第50-54页 |
| 4.3.1 出行中的目的地预测 | 第50页 |
| 4.3.2 结果分析 | 第50-54页 |
| 4.4 出行前和出行中的目的地预测对比分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 论文总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-64页 |
| 作者简介 | 第64-66页 |
| 致谢 | 第66页 |
