| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·国内外相关研究现状 | 第10-12页 |
| ·本文主要研究内容与结构组织 | 第12-14页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文结构组织 | 第13-14页 |
| 第二章 浮动车数据的获取与处理 | 第14-20页 |
| ·浮动车数据获取方法概述 | 第14-15页 |
| ·浮动车数据获取技术 | 第14页 |
| ·浮动车数据获取技术的优点 | 第14-15页 |
| ·浮动车数据的处理 | 第15-19页 |
| ·对浮动车数据进行处理的原因 | 第15-16页 |
| ·浮动车数据及其数据结构 | 第16-17页 |
| ·浮动车数据处理方法 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于探索性空间数据分析的居民出行行为统计规律研究 | 第20-39页 |
| ·探索性空间数据分析概述 | 第20-28页 |
| ·探索性空间数据分析定义 | 第20-21页 |
| ·探索性空间数据分析方法 | 第21-28页 |
| ·居民出行行为统计规律研究 | 第28-37页 |
| ·居民出行行程长度统计规律 | 第28-32页 |
| ·居民出行行程时间统计规律 | 第32-34页 |
| ·居民出行活动范围统计规律 | 第34-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于聚类分析技术的居民出行行为时空分布规律研究 | 第39-52页 |
| ·聚类分析技术概述 | 第39-41页 |
| ·基于核密度估计的时空聚类算法 | 第41-44页 |
| ·高密度时空数据对象集的提取 | 第41-42页 |
| ·密度吸引点集的提取 | 第42-43页 |
| ·基于密度吸引点的聚类 | 第43页 |
| ·邻近密度吸引点的合并判断 | 第43-44页 |
| ·居民出行行为时空分布规律研究 | 第44-51页 |
| ·居民出行行为空间分布规律 | 第49-51页 |
| ·居民出行行为时间分布规律 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·论文总结 | 第52-53页 |
| ·研究展望 | 第53-54页 |
| 参考文献 | 第54-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间主要的研究成果 | 第62页 |