| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-15页 |
| 1.2 研究目的及意义 | 第15页 |
| 1.3 国内外研究现状 | 第15-19页 |
| 1.3.1 手机信令定位技术的研究 | 第15-17页 |
| 1.3.2 出行OD链的研究 | 第17-19页 |
| 1.3.3 收入对出行的影响 | 第19页 |
| 1.4 本文主要研究内容 | 第19-21页 |
| 1.4.1 主要研究内容 | 第19-21页 |
| 第2章 手机数据处理研究 | 第21-28页 |
| 2.1 GSM系统通信原理 | 第21-24页 |
| 2.1.1 基站子系统(BaseStationSubsystem) | 第22页 |
| 2.1.2 网络与交换子系统(NetworkandSwitchingSubsystem) | 第22-23页 |
| 2.1.3 移动台(MobileStation) | 第23页 |
| 2.1.4 操作支持子系统(OperationSupportSystem) | 第23-24页 |
| 2.2 手机定位技术 | 第24-26页 |
| 2.2.1 COO定位法 | 第24页 |
| 2.2.2 TOA定位法 | 第24-25页 |
| 2.2.3 HANDOVER定位法 | 第25页 |
| 2.2.4 本文采用的手机定位技术 | 第25-26页 |
| 2.3 手机信令数据清洗 | 第26-28页 |
| 2.3.1 手机信令数据的提取 | 第26-27页 |
| 2.3.2 手机信令数据的过滤清洗 | 第27-28页 |
| 第3章 居住人口和出行分析 | 第28-35页 |
| 3.1 出行轨迹链 | 第28-30页 |
| 3.1.1 路径识别原理 | 第28-29页 |
| 3.1.2 出行轨迹链获取 | 第29-30页 |
| 3.2 人口算法 | 第30-32页 |
| 3.2.1 用户分类 | 第30-31页 |
| 3.2.2 常住人口算法 | 第31-32页 |
| 3.3 出行OD算法 | 第32-35页 |
| 第4章 案例应用分析 | 第35-47页 |
| 4.1 数据来源和小区划分 | 第35-37页 |
| 4.1.1 数据来源和格式 | 第35页 |
| 4.1.2 交通小区划分 | 第35-37页 |
| 4.2 房价数据获取 | 第37-40页 |
| 4.2.1 住宅小区房价数据获取 | 第37-38页 |
| 4.2.2 成都市三环内二手房价格分布 | 第38-40页 |
| 4.3 居民出行特征 | 第40-47页 |
| 4.3.1 常住人口分布 | 第40-42页 |
| 4.3.2 常住人口出行OD | 第42-43页 |
| 4.3.3 小区出行特征分析 | 第43-47页 |
| 第5章 结果与分析 | 第47-61页 |
| 5.1 KMEANS聚类算法 | 第47-49页 |
| 5.1.1 聚类思想 | 第47-48页 |
| 5.1.2 K-means算法过程 | 第48页 |
| 5.1.3 K-means算法优劣 | 第48-49页 |
| 5.2 计算步骤 | 第49-52页 |
| 5.2.1 数据预处理 | 第49-51页 |
| 5.2.2 关键特征选取 | 第51页 |
| 5.2.3 K值选取 | 第51-52页 |
| 5.3 聚类结果与分析 | 第52-61页 |
| 5.3.1 聚类结果 | 第52-57页 |
| 5.3.2 结果分析 | 第57-59页 |
| 5.3.3 结果验证 | 第59-61页 |
| 结论与展望 | 第61-63页 |
| 主要结论 | 第61页 |
| 主要创新点 | 第61-62页 |
| 后续研究工作 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
