| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 研究的背景、内容及意义 | 第11-28页 |
| 1.1 国内外对停车需求的研究 | 第12-15页 |
| 1.2 混合用地状态下的共享停车研究 | 第15-18页 |
| 1.3 停车行为和停车选择模型的研究 | 第18-21页 |
| 1.4 目前停车研究存在的问题 | 第21-23页 |
| 1.5 论文主要研究内容和目标 | 第23-25页 |
| 1.6 论文的研究技术路线 | 第25-28页 |
| 第二章 城市空间结构与消费者行为 | 第28-43页 |
| 2.1 消费及消费的分类 | 第28-31页 |
| 2.1.1 消费的定义 | 第28页 |
| 2.1.2 消费的分类 | 第28-29页 |
| 2.1.3 现代消费 | 第29-31页 |
| 2.2 关于消费者行为的研究 | 第31-33页 |
| 2.3 消费者属性对消费行为的影响 | 第33-36页 |
| 2.3.1 性别的影响 | 第33-34页 |
| 2.3.2 年龄的影响 | 第34-35页 |
| 2.3.3 收入的影响 | 第35页 |
| 2.3.4 受教育水平的影响 | 第35-36页 |
| 2.4 购物消费行为的决策机制 | 第36-39页 |
| 2.4.1 购物信息来源 | 第36-38页 |
| 2.4.2 购物消费场所的空间决策因素 | 第38-39页 |
| 2.5 消费活动系列化与空间相关性分析 | 第39-42页 |
| 2.5.1 消费活动的系列化 | 第39页 |
| 2.5.2 消费活动系列化的原因 | 第39-40页 |
| 2.5.3 消费活动系列化与空间的相关性分析 | 第40-41页 |
| 2.5.4 消费活动系列化对停车行为的影响 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 消费者Agent微观数据的获取方法 | 第43-51页 |
| 3.1 Agent微观数据的获取 | 第43-44页 |
| 3.1.1 已有数据的获取方式和规则框架 | 第43页 |
| 3.1.2 获取模型中数据的变量 | 第43-44页 |
| 3.2 Agent微观数据的属性 | 第44-46页 |
| 3.2.1 属性的分布及关系依赖 | 第44-45页 |
| 3.2.2 属性之间耦合性分析 | 第45-46页 |
| 3.3 属性的反演过程 | 第46-50页 |
| 3.3.1 数据输入 | 第46-49页 |
| 3.3.2 反演结果分析 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 消费者空间选择模型 | 第51-73页 |
| 4.1 消费者的空间选择模型 | 第51-55页 |
| 4.2 消费者消费、停车行为调查的背景介绍和数据分析 | 第55-65页 |
| 4.2.1 调查地点情况 | 第55-57页 |
| 4.2.2 调查设计 | 第57-58页 |
| 4.2.3 调查结果分析 | 第58-65页 |
| 4.3 模型的构建及标定 | 第65-69页 |
| 4.3.1 模型构建 | 第65-68页 |
| 4.3.2 模型的拟合及结果分析 | 第68-69页 |
| 4.4 不同属性消费者选择行为比较 | 第69-71页 |
| 4.4.1 性别 | 第69-70页 |
| 4.4.2 年龄 | 第70页 |
| 4.4.3 收入 | 第70-71页 |
| 4.4.4 学历 | 第71页 |
| 4.5 本章小结 | 第71-73页 |
| 第五章 基于小波变换的有效泊车位短时预测神经网络模型 | 第73-97页 |
| 5.1 有效停车泊位的短时变化的特征分析 | 第74-79页 |
| 5.1.1 周变化特性 | 第74-75页 |
| 5.1.2 日变化特性 | 第75-77页 |
| 5.1.3 数据特征 | 第77页 |
| 5.1.4 离群数据的分类 | 第77-79页 |
| 5.2 基于小波分解的局部信息熵的ESLOM算法 | 第79-93页 |
| 5.2.1 小波分解降噪原理 | 第79-80页 |
| 5.2.2 小波分解与重构 | 第80-84页 |
| 5.2.3 基于信息熵加权的ESLOM算法 | 第84-88页 |
| 5.2.4 小波神经网络预测模型 | 第88-93页 |
| 5.3 实例数据分析 | 第93-96页 |
| 5.4 本章小结 | 第96-97页 |
| 第六章 基于Agent的消费者停车选择模型 | 第97-126页 |
| 6.1 消费者停车行为的初始化与前景理论 | 第98-102页 |
| 6.1.1 阿莱悖论和前景理论 | 第98-100页 |
| 6.1.2 前景理论在交通领域的应用 | 第100-102页 |
| 6.2 Agent的行为规则及模拟流程 | 第102-104页 |
| 6.3 消费者Agent的模型建立 | 第104-105页 |
| 6.4 微观战术层Agent建模 | 第105-109页 |
| 6.4.1 驾车者计算评价值 | 第107页 |
| 6.4.2 等待时间的计算 | 第107-109页 |
| 6.5 宏观战略层Agent建模 | 第109-111页 |
| 6.5.1 停车选择战略层面影响因素及参照点建立 | 第109页 |
| 6.5.2 停车场综合属性值的计算 | 第109-111页 |
| 6.6 驾车者停车行为模型的验证 | 第111-114页 |
| 6.7 调查数据 | 第114页 |
| 6.8 基于Agent的停车模拟及分析 | 第114-125页 |
| 6.8.1 场景选定 | 第114-115页 |
| 6.8.2 场景一模拟及结果 | 第115-118页 |
| 6.8.3 场景二模拟及结果 | 第118-120页 |
| 6.8.4 场景三模拟及结果 | 第120-121页 |
| 6.8.5 场景四模拟及结果 | 第121-122页 |
| 6.8.6 场景五模拟及结果 | 第122-124页 |
| 6.8.7 停车场有效泊位数预测模型在模拟中的作用 | 第124-125页 |
| 6.9 本章小结 | 第125-126页 |
| 第七章 结论与展望 | 第126-128页 |
| 参考文献 | 第128-136页 |
| 附件 | 第136-137页 |
