基于GPS数据的出行方式识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文研究背景 | 第10-11页 |
| 1.2 论文研究目的及意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.3.3 研究综述 | 第14页 |
| 1.4 研究内容与技术路线 | 第14-18页 |
| 1.4.1 研究内容 | 第14-16页 |
| 1.4.2 技术路线 | 第16-18页 |
| 第2章 基于GPS的出行调查及数据处理 | 第18-30页 |
| 2.1 基于GPS的出行调查 | 第18-20页 |
| 2.1.1 居民出行调查方法 | 第18-19页 |
| 2.1.2 GPS设备及数据收集流程 | 第19-20页 |
| 2.2 GPS数据处理 | 第20-25页 |
| 2.2.1 GPS数据格式 | 第21-23页 |
| 2.2.2 数据格式调整 | 第23-24页 |
| 2.2.3 数据过滤 | 第24-25页 |
| 2.3 出行特征参数提取分析 | 第25-28页 |
| 2.3.1 GPS数据点转化为出行段 | 第25-26页 |
| 2.3.2 提取出行特征参数值 | 第26页 |
| 2.3.3 参数结果筛选过滤 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 出行方式识别 | 第30-52页 |
| 3.1 各种出行方式的出行特征 | 第31-34页 |
| 3.2 地铁识别 | 第34-43页 |
| 3.2.1 考虑空间距离参数阈值识别地铁 | 第34-38页 |
| 3.2.2 建立基于MNL的地铁识别模型识别地铁 | 第38-43页 |
| 3.2.3 地铁识别结果分析 | 第43页 |
| 3.3 建立分层方式识别模型识别出行方式 | 第43-49页 |
| 3.3.1 Nested Logit模型基本理论 | 第43-44页 |
| 3.3.2 选择肢确定 | 第44-45页 |
| 3.3.3 特性变量选择 | 第45页 |
| 3.3.4 模型标定 | 第45页 |
| 3.3.5 模型检验 | 第45-46页 |
| 3.3.6 Nested Logit模型建立 | 第46-49页 |
| 3.4 出行方式识别结果分析 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 实例分析 | 第52-62页 |
| 4.1 GPS数据处理 | 第52-57页 |
| 4.2 方式识别 | 第57-60页 |
| 4.2.1 地铁 | 第57-59页 |
| 4.2.2 其他方式 | 第59-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第5章 论文总结与研究展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简介 | 第68-70页 |
| 致谢 | 第70页 |
