| 摘要 | 第1-9页 |
| Abstract | 第9-16页 |
| 图表目录 | 第16-20页 |
| 第一章 绪论 | 第20-29页 |
| ·研究背景 | 第20-24页 |
| ·研究问题 | 第24-25页 |
| ·研究目标和假设 | 第25-26页 |
| ·基础理论和贡献 | 第26页 |
| ·论文结构 | 第26-29页 |
| 第二章 基本的概念和文献综述 | 第29-55页 |
| ·居民活动的相关理论和概念 | 第30-35页 |
| ·活动理论 | 第30-31页 |
| ·时间地理学 | 第31-33页 |
| ·时空GIS与时空数据模型 | 第33-34页 |
| ·出行活动的相关概念和要素 | 第34-35页 |
| ·面向活动分析的轨迹数据模型 | 第35-40页 |
| ·变化的时空对象 | 第35-38页 |
| ·面向活动分析的轨迹数据模型 | 第38-39页 |
| ·轨迹活动主体 | 第39-40页 |
| ·基于轨迹数据的居民活动分析 | 第40-48页 |
| ·居民活动停靠点的识别 | 第41-45页 |
| ·居民出行活动出行交通方式判别 | 第45-46页 |
| ·居民出行活动出行目的判定 | 第46-48页 |
| ·小结 | 第48页 |
| ·多源异构数据概述 | 第48-50页 |
| ·本文的研究框架和技术路线 | 第50-54页 |
| ·研究的空间尺度视角 | 第50-52页 |
| ·研究的时间尺度视角 | 第52-53页 |
| ·论文框架与技术路线图 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第三章 居民出行活动数据的获取与处理 | 第55-84页 |
| ·居民出行调查 | 第56-68页 |
| ·居民出行调查进展 | 第56-58页 |
| ·耦合网络和GPS的居民出行调查 | 第58-68页 |
| ·自发式地理信息 | 第68-73页 |
| ·自发式地理信息与传统地理信息 | 第68-69页 |
| ·自发式地理信息与人类活动研究 | 第69-70页 |
| ·自发式小区(社区)地理信息获取与处理 | 第70-73页 |
| ·出租汽车车载GPS数据 | 第73页 |
| ·小区的城市环境(机会) | 第73-83页 |
| ·空间分析尺度 | 第73-74页 |
| ·小区研究空间单元 | 第74-76页 |
| ·小区空间区位指标定义与计算 | 第76-81页 |
| ·小区人口规模和年龄结构 | 第81-82页 |
| ·小区社会经济水平衡量 | 第82-83页 |
| ·小结 | 第83-84页 |
| 第四章 情景-领域知识驱动的居民出行活动信息提取 | 第84-116页 |
| ·基本思想与方法论 | 第84-90页 |
| ·情景-领域知识 | 第84-88页 |
| ·轨迹数据特征 | 第88-90页 |
| ·数据预处理 | 第90-97页 |
| ·GPS轨迹数据的预处理 | 第90-91页 |
| ·情景窗口的划分 | 第91-94页 |
| ·多源异构数据的数据融合和组织 | 第94-97页 |
| ·决策树算法 | 第97-99页 |
| ·决策树算法特点与本文的适用性 | 第97-98页 |
| ·C.0算法 | 第98-99页 |
| ·Bosting | 第99页 |
| ·停靠点识别 | 第99-102页 |
| ·情景-领域知识驱动的停靠点识别算法 | 第99-100页 |
| ·停靠点提取实验结果与结论 | 第100-102页 |
| ·情景-领域知识驱动的交通出行方式判定 | 第102-108页 |
| ·数据情况与统计量 | 第102-103页 |
| ·基于C5.0算法的交通出行方式判别 | 第103-104页 |
| ·交通出行方式判定分析与结果 | 第104-107页 |
| ·结论与小结 | 第107-108页 |
| ·交通出行目的识别 | 第108-115页 |
| ·交通出行目的识别的建模思想 | 第108-109页 |
| ·基于C5.0算法的交通出行目的识别 | 第109-112页 |
| ·交通出行目的识别分析与结果 | 第112-115页 |
| ·结论与小结 | 第115页 |
| ·小结 | 第115-116页 |
| 第五章 居民出行活动表达与基于地理可视化的时空模式挖掘 | 第116-133页 |
| ·居民出行活动表达 | 第117-121页 |
| ·相关研究工作 | 第117-119页 |
| ·基于情景-领域知识的居民出行活动表达 | 第119-121页 |
| ·居民活动时空模式 | 第121-123页 |
| ·地理可视化与居民活动分析 | 第123-124页 |
| ·地理可视化 | 第123页 |
| ·地理可视化与居民活动分析 | 第123-124页 |
| ·基于地理可视化的居民出行时空模式分析 | 第124-132页 |
| ·最小凸多边形方法(Minimum Convex Polygon,MCP) | 第124-126页 |
| ·居民活动模式与居民特征之间的关系 | 第126-132页 |
| ·小结 | 第132-133页 |
| 第六章 基于大样本出租汽车轨迹数据的城市出行活动时空分布研究 | 第133-155页 |
| ·相关研究领域工作 | 第133-135页 |
| ·城市交通领域 | 第133-134页 |
| ·轨迹数据挖掘与城市时空结构 | 第134-135页 |
| ·研究区域与数据预处理 | 第135-137页 |
| ·研究区域与数据介绍 | 第135-137页 |
| ·出租汽车轨迹数据预处理 | 第137页 |
| ·出租汽车运营规律与时空分布分析 | 第137-144页 |
| ·统计指标 | 第137-138页 |
| ·分析结果与结论 | 第138-144页 |
| ·小结 | 第144页 |
| ·基于情景-领域知识的出租汽车(乘客)活动目的提取 | 第144-154页 |
| ·方法思想与研究意义 | 第144-145页 |
| ·出租汽车(乘客)出行目的分类与城市环境(机会) | 第145-148页 |
| ·出租汽车(乘客)出行目的提取规则 | 第148-151页 |
| ·出租汽车出行目的提取结果与结论 | 第151-152页 |
| ·城市居民活动时空分布结构 | 第152-154页 |
| ·小结 | 第154-155页 |
| 第七章 结论与展望 | 第155-160页 |
| ·总结 | 第155-157页 |
| ·主要不足与未来研究工作 | 第157-160页 |
| ·主要不足之处 | 第157-158页 |
| ·未来研究工作 | 第158-160页 |
| 参考文献 | 第160-171页 |
| 博士期间发表论文著作 | 第171-172页 |
| 致谢 | 第172-173页 |
