基于微博数据的居民时空行为特征分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 城市居民出行研究现状 | 第10-11页 |
| 1.2.2 城市热点区域发现研究现状 | 第11页 |
| 1.3 主要研究内容与方法 | 第11-12页 |
| 1.4 论文技术路线 | 第12-14页 |
| 2 基础理论研究 | 第14-22页 |
| 2.1 社交媒体地理数据 | 第14-16页 |
| 2.1.1 社交媒体概念 | 第14页 |
| 2.1.2 社交媒体数据特征 | 第14-15页 |
| 2.1.3 社交媒体数据分析与应用 | 第15-16页 |
| 2.2 城市热力图研究 | 第16-17页 |
| 2.2.1 城市热力图概念 | 第16页 |
| 2.2.2 城市热力图原理 | 第16-17页 |
| 2.2.3 城市热力图应用 | 第17页 |
| 2.3 K-means算法 | 第17-21页 |
| 2.3.1 空间聚类方法分类 | 第17-20页 |
| 2.3.2 K-means算法概念 | 第20-21页 |
| 2.3.3 K-means算法优缺点 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 数据概况与预处理 | 第22-30页 |
| 3.1 研究区域概况 | 第22-23页 |
| 3.2 数据概况 | 第23-26页 |
| 3.2.1 新浪微博签到数据介绍 | 第23-24页 |
| 3.2.2 其他各类数据介绍 | 第24-26页 |
| 3.3 数据处理与分类 | 第26-29页 |
| 3.3.1 数据处理 | 第26-28页 |
| 3.3.2 POI重分类 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 北京市办公消费居住热点发现 | 第30-43页 |
| 4.1 北京市城市功能区划分 | 第30-33页 |
| 4.2 北京市热点区域发现 | 第33-35页 |
| 4.3 北京城市功能区热点发现 | 第35-41页 |
| 4.3.1 北京市办公热点 | 第35-37页 |
| 4.3.2 北京市消费热点 | 第37-40页 |
| 4.3.3 北京市居住热点 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 5 居民上下班出行时空行为特征 | 第43-56页 |
| 5.1 居民活动时间特征 | 第43-45页 |
| 5.2 居民活动空间特征 | 第45-54页 |
| 5.2.1 朝阳区居民活动空间分布 | 第46-49页 |
| 5.2.2 海淀区居民活动空间分布 | 第49-53页 |
| 5.2.3 北京市居民活动空间规律 | 第53-54页 |
| 5.3 城市热点与居民出行的关系 | 第54页 |
| 5.4 城市功能区分布与居民出行的关系 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间的研究成果 | 第63页 |
