基于活动的居民出行行为分析与预测研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 研究内容和技术路线 | 第11-13页 |
| 1.3.1 研究内容 | 第11-13页 |
| 1.3.2 技术路线 | 第13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 出行行为预测的基本理论 | 第14-19页 |
| 2.1 基于出行的需求预测理论 | 第14-15页 |
| 2.1.1 政策与技术背景 | 第14页 |
| 2.1.2 出行模型理论基础 | 第14-15页 |
| 2.2 基于活动的需求预测理论 | 第15-16页 |
| 2.2.1 政策与技术背景 | 第15页 |
| 2.2.2 活动模型理论基础 | 第15-16页 |
| 2.3 出行模型和活动模型的比较分析 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 基于活动的居民出行行为分析 | 第19-30页 |
| 3.1 活动链相关理论 | 第19-21页 |
| 3.1.1 基本概念 | 第19-20页 |
| 3.1.2 主要思想 | 第20页 |
| 3.1.3 研究方法 | 第20-21页 |
| 3.2 居民出行调查数据的活动链提取 | 第21-25页 |
| 3.2.1 居民出行调查方法 | 第21-22页 |
| 3.2.2 居民出行数据处理 | 第22-23页 |
| 3.2.3 居民日活动链提取 | 第23-25页 |
| 3.3 居民活动链特征分析 | 第25-29页 |
| 3.3.1 典型活动模式定义 | 第25-26页 |
| 3.3.2 活动链统计特征分析 | 第26-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于概率神经网络的居民出行行为预测 | 第30-60页 |
| 4.1 人工神经网络基本原理 | 第30-33页 |
| 4.1.1 基本概念 | 第30页 |
| 4.1.2 人工神经元模型 | 第30-31页 |
| 4.1.3 神经网络学习原理 | 第31-33页 |
| 4.2 几种常见神经网络及其比较分析 | 第33-40页 |
| 4.2.1 BP神经网络 | 第33-34页 |
| 4.2.2 学习向量量化神经网络 | 第34-35页 |
| 4.2.3 概率神经网络 | 第35-37页 |
| 4.2.4 三种神经网络的比较分析 | 第37-40页 |
| 4.3 基于概率神经网络的居民出行行为预测建模 | 第40-53页 |
| 4.3.1 建模原理和步骤 | 第40页 |
| 4.3.2 模型的检验指标 | 第40-41页 |
| 4.3.3 活动模式预测模型 | 第41-46页 |
| 4.3.4 出行时间预测模型 | 第46-49页 |
| 4.3.5 出行方式预测模型 | 第49-52页 |
| 4.3.6 模型预测效果分析 | 第52-53页 |
| 4.4 居民出行预测模型的应用 | 第53-58页 |
| 4.4.1 出行生成总量预测 | 第53-54页 |
| 4.4.2 交通需求管理措施的影响 | 第54-58页 |
| 4.5 本章小结 | 第58-60页 |
| 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |
