基于GPS轨迹的出行信息提取研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 目录 | 第9-12页 |
| 图片目录 | 第12-14页 |
| 表格目录 | 第14-15页 |
| 第1章 研究背景 | 第15-30页 |
| ·简介 | 第15页 |
| ·基于GPS的出行调查的提出 | 第15-22页 |
| ·出行调查简介 | 第15-16页 |
| ·出行调查技术 | 第16-22页 |
| ·代表性的GPS出行调查实验 | 第22-25页 |
| ·当前研究存在的问题 | 第25-26页 |
| ·本文的研究内容 | 第26-27页 |
| ·研究意义 | 第27-28页 |
| ·研究体系 | 第28-30页 |
| 第2章 数据来源 | 第30-38页 |
| ·GPS记录仪选择 | 第30-33页 |
| ·国外GPS调查所用仪器调研 | 第30-31页 |
| ·居民出行调查中GPS仪器选择的一般原则 | 第31-32页 |
| ·我们选用的仪器 | 第32-33页 |
| ·数据收集过程 | 第33-35页 |
| ·基于车辆的被动式GPS出行调查 | 第33-35页 |
| ·基于个人的被动式GPS出行调查 | 第35页 |
| ·调查结果 | 第35页 |
| ·调查经验总结以及存在的问题 | 第35-38页 |
| 第3章 数据预处理与可视化 | 第38-51页 |
| ·GPS数据特征 | 第38-41页 |
| ·原始数据 | 第38-39页 |
| ·数据缺失 | 第39-40页 |
| ·数据漂移 | 第40-41页 |
| ·数据预处理 | 第41-46页 |
| ·格式转换 | 第42-43页 |
| ·漂移去除 | 第43-44页 |
| ·数据滤波 | 第44-46页 |
| ·数据可视化 | 第46-51页 |
| ·基于Google Earth的数据可视化 | 第46-48页 |
| ·基于Matlab的轨迹展示 | 第48-51页 |
| 第4章 行程识别 | 第51-75页 |
| ·行程识别简介 | 第51-52页 |
| ·研究现状与存在问题 | 第52-56页 |
| ·研究现状 | 第52-55页 |
| ·存在的主要问题 | 第55-56页 |
| ·对轨迹的认识 | 第56-59页 |
| ·轨迹的概念 | 第56页 |
| ·轨迹数据模型 | 第56-57页 |
| ·轨迹中的基本要素 | 第57页 |
| ·轨迹数据表达 | 第57-58页 |
| ·出行轨迹中活动地点的多尺度特征 | 第58-59页 |
| ·逐级合并的轨迹分割方法 | 第59-66页 |
| ·概念定义 | 第59-61页 |
| ·算法思路 | 第61-63页 |
| ·算法过程 | 第63-65页 |
| ·精度评价 | 第65页 |
| ·参数优化 | 第65-66页 |
| ·活动地点的多尺度聚类算法 | 第66-67页 |
| ·实验结果与分析 | 第67-73页 |
| ·识别结果 | 第67-68页 |
| ·结果分析 | 第68-70页 |
| ·出行特征 | 第70-73页 |
| ·行程识别总结 | 第73-75页 |
| 第5章 交通方式判别 | 第75-91页 |
| ·相关研究概况 | 第75-77页 |
| ·研究方法 | 第77-81页 |
| ·方式段分割 | 第77-78页 |
| ·统计量选择 | 第78-79页 |
| ·机器学习算法 | 第79-81页 |
| ·实验及分析 | 第81-90页 |
| ·统计量选取 | 第81-86页 |
| ·判别结果 | 第86-89页 |
| ·结果分析 | 第89-90页 |
| ·交通方式判别的结论 | 第90-91页 |
| 第6章 出行目的推断 | 第91-100页 |
| ·概述与相关研究 | 第91-95页 |
| ·研究方法 | 第95-96页 |
| ·实验及结果 | 第96-98页 |
| ·出行目的推定的分析与总结 | 第98-100页 |
| 第7章 出行信息辅助提取系统 | 第100-104页 |
| 第8章 总结与展望 | 第104-106页 |
| ·总结 | 第104-105页 |
| ·存在的不足与进一步研究展望 | 第105-106页 |
| 附录A:相关调查表格 | 第106-112页 |
| 附录B 文中部分代码 | 第112-120页 |
| 参考文献 | 第120-124页 |
| 后记 | 第124页 |
