| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 手机数据的分析研究 | 第9-11页 |
| 1.2.2 公共交通刷卡数据的分析研究 | 第11页 |
| 1.2.3 车辆GPS定位数据的分析研究 | 第11-12页 |
| 1.2.4 交通大数据分析平台构建研究 | 第12-13页 |
| 1.2.5 历史城区交通研究 | 第13-14页 |
| 1.2.6 国内外现状研究综述 | 第14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 技术路线 | 第15-16页 |
| 1.5 本章小结 | 第16-19页 |
| 第2章 历史城区交通大数据分析指标体系 | 第19-27页 |
| 2.1 既有的历史城区交通分析内容 | 第19-21页 |
| 2.2 既有交通调查分析技术的局限性 | 第21页 |
| 2.3 大数据分析技术的优势 | 第21-23页 |
| 2.4 历史城区交通大数据分析指标体系 | 第23-25页 |
| 2.4.1 史城区交通大数据分析指标体系层次划分 | 第23页 |
| 2.4.2 历史城区交通大数据分析指标体系 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于大数据的历史城区职住空间分析 | 第27-37页 |
| 3.1 基于手机信令数据职住客流识别方法 | 第27-29页 |
| 3.1.1 数据清洗和预处理 | 第27-28页 |
| 3.1.2 轨迹点状态识别 | 第28页 |
| 3.1.3 职住客流识别 | 第28-29页 |
| 3.2 职住客流校核方法 | 第29页 |
| 3.3 历史城区居民职住时空分布 | 第29-32页 |
| 3.3.1 外在因素对历史城区职住空间形成的作用机理 | 第30页 |
| 3.3.2 历史城区职住时空分布特征指标 | 第30-32页 |
| 3.4 历史城区职住平衡分析 | 第32-36页 |
| 3.4.1 基于MRC-ARC模型的历史城区职住平衡分析 | 第32-34页 |
| 3.4.2 基于蛛网分配的职住通道平衡性分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于大数据的历史城区公交通勤客流识别方法 | 第37-45页 |
| 4.1 公交IC卡数据处理方法 | 第37-39页 |
| 4.1.1 公交IC卡数据种类和结构 | 第37-38页 |
| 4.1.2 公交上下车站点识别 | 第38-39页 |
| 4.2 基于大数据的历史城区居民出行分类 | 第39页 |
| 4.2.1 通勤出行和弹性出行 | 第39页 |
| 4.2.2 历史城区出行类型识别方法 | 第39页 |
| 4.3 公交通勤客流判断阈值确定方法 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于大数据的历史城区轨道交通客流特征研究 | 第45-53页 |
| 5.1 基于大数据的历史城区轨道交通客流特征分析层次 | 第45-46页 |
| 5.2 轨道客流来源地和目的地识别方法 | 第46-48页 |
| 5.2.1 分析所需数据的类型和结构 | 第46-47页 |
| 5.2.2 轨道客流来源地及目的地手机信令数据计算流程 | 第47-48页 |
| 5.3 轨道站点分类研究 | 第48-49页 |
| 5.3.1 站点类型 | 第48-49页 |
| 5.3.2 历史城区轨道站点分类标准 | 第49页 |
| 5.4 公交轨道换乘客流分析 | 第49-51页 |
| 5.4.1 公交轨道换乘识别 | 第49-50页 |
| 5.4.2 独立阈值换乘判断模型 | 第50页 |
| 5.4.3 公交换乘轨道时间阈值的确定 | 第50-51页 |
| 5.5 本章小结 | 第51-53页 |
| 第6章 历史城区交通大数据分析平台框架设计 | 第53-63页 |
| 6.1 历史城区交通大数据分析平台的层次结构 | 第53-54页 |
| 6.2 历史城区交通大数据分析平台的功能模块 | 第54-55页 |
| 6.2.1 基础信息综合模块 | 第54-55页 |
| 6.2.2 大数据智能处理模块 | 第55页 |
| 6.2.3 交通信息服务模块 | 第55页 |
| 6.3 历史城区交通大数据分析平台的应用模式 | 第55-57页 |
| 6.3.1 大数据平台在历史城区交通总体性规划中的应用 | 第55-56页 |
| 6.3.2 大数据平台在历史城区交通控制性规划中的应用 | 第56-57页 |
| 6.3.3 大数据平台在历史城区交通实施性规划中的应用 | 第57页 |
| 6.3.4 大数据平台在历史城区交通衔接性规划中的应用 | 第57页 |
| 6.4 历史城区交通大数据分析平台的总体设计 | 第57-61页 |
| 6.4.1 交通大数据分析平台架构 | 第57-59页 |
| 6.4.2 交通大数据分析平台数据处理过程 | 第59-61页 |
| 6.5 本章小结 | 第61-63页 |
| 第7章 大数据在苏州古城客流特性分析中的应用 | 第63-83页 |
| 7.1 苏州古城土地利用布局特性分析 | 第63-66页 |
| 7.1.1 古城区位 | 第63页 |
| 7.1.2 古城用地布局 | 第63-64页 |
| 7.1.3 古城居住用地的分布 | 第64-65页 |
| 7.1.4 公共设施用地概况 | 第65页 |
| 7.1.5 商业工业用地概况 | 第65-66页 |
| 7.2 苏州古城职住空间特征分析 | 第66-72页 |
| 7.2.1 职住客流校核分析 | 第66-67页 |
| 7.2.2 苏州古城职住空间分布 | 第67-71页 |
| 7.2.3 苏州古城职住平衡分析 | 第71-72页 |
| 7.3 苏州古城轨道交通客流特征分析 | 第72-81页 |
| 7.3.1 轨道站点分类研究 | 第72-73页 |
| 7.3.2 不同类型站点进出客流变化特征 | 第73-76页 |
| 7.3.3 轨道客流来源去向 | 第76-78页 |
| 7.3.4 公交轨道换乘客流分析 | 第78-81页 |
| 7.4 本章小结 | 第81-83页 |
| 第8章 总结与展望 | 第83-85页 |
| 8.1 主要研究成果 | 第83-84页 |
| 8.2 论文创新点 | 第84页 |
| 8.3 研究展望 | 第84-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 作者简介 | 第92页 |
