| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 移动通信数据相关知识 | 第15-25页 |
| 2.1 移动通信数据概述 | 第15-18页 |
| 2.1.1 LTE网络架构 | 第15-16页 |
| 2.1.2 移动通信数据采集与数据源简介 | 第16-17页 |
| 2.1.3 移动定位数据误差特征分析 | 第17-18页 |
| 2.2 移动数据预处理技术 | 第18-24页 |
| 2.2.1 离群点检测 | 第18-20页 |
| 2.2.2 消除乒乓效应 | 第20-22页 |
| 2.2.3 时空数据压缩 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 城市轨道交通的用户轨迹挖掘 | 第25-37页 |
| 3.1 城市轨道交通基站数据分析 | 第25-26页 |
| 3.2 移动通信数据预处理 | 第26-28页 |
| 3.3 用户轨迹停留点提取 | 第28-30页 |
| 3.4 轨道交通用户轨迹识别算法 | 第30-35页 |
| 3.4.1 算法流程 | 第31页 |
| 3.4.2 用户数据与地铁信息匹配 | 第31-33页 |
| 3.4.3 用户路径修正及路径合理性判断 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 城市轨道交通客流预测 | 第37-53页 |
| 4.1 基于灰色马尔可夫链的轨道交通进站客流量预测 | 第37-43页 |
| 4.1.1 灰色马尔可夫模型建立 | 第37-39页 |
| 4.1.2 示例分析 | 第39-43页 |
| 4.2 基于加权马尔可夫的用户轨道交通轨迹预测 | 第43-51页 |
| 4.2.1 加权马尔可夫用户位置预测思想 | 第44-45页 |
| 4.2.2 用户k步转移概率矩阵建立 | 第45-47页 |
| 4.2.3 确定加权马尔可夫链的权重 | 第47-48页 |
| 4.2.4 示例分析 | 第48-51页 |
| 4.3 基于用户轨迹预测群体分布 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 移动通信数据在轨道交通中的应用 | 第53-63页 |
| 5.1 移动通信数据在地铁清分系统中的应用 | 第53-58页 |
| 5.1.1 地铁清分系统概述 | 第53-54页 |
| 5.1.2 基于移动通信数据的地铁清分方法 | 第54-58页 |
| 5.2 移动通信数据在地铁时刻表优化中的应用 | 第58-62页 |
| 5.2.1 地铁时刻表优化方法概述 | 第58页 |
| 5.2.2 基于移动通信数据的地铁时刻表优化 | 第58-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |