不同交通状态下基于手机GPS轨迹的出行信息采集效果评估研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究综述 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.2.3 国内外文献总结 | 第15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 技术路线 | 第16-17页 |
| 1.5 论文结构安排 | 第17-18页 |
| 第二章 出行调查试验设计及数据采集 | 第18-29页 |
| 2.1 出行相关概念 | 第18-20页 |
| 2.1.1 出行活动 | 第18页 |
| 2.1.2 出行调查 | 第18-20页 |
| 2.2 手机GPS定位技术 | 第20-21页 |
| 2.2.1 手机GPS技术简介 | 第20页 |
| 2.2.2 手机GPS定位系统 | 第20-21页 |
| 2.3 手机GPS采集软件 | 第21-23页 |
| 2.3.1 手机GPS软件功能 | 第21-22页 |
| 2.3.2 手机GPS软件界面 | 第22页 |
| 2.3.3 网络数据库管理平台 | 第22-23页 |
| 2.4 出行试验设计 | 第23-29页 |
| 2.4.1 出行调查方案设计 | 第23-25页 |
| 2.4.2 交通状态调查 | 第25-27页 |
| 2.4.3 基础数据采集 | 第27-29页 |
| 第三章 数据预处理及数据特征分析 | 第29-42页 |
| 3.1 数据预处理 | 第29-33页 |
| 3.1.1 原始数据 | 第29-30页 |
| 3.1.2 数据格式转换 | 第30页 |
| 3.1.3 数据过滤及修复 | 第30-33页 |
| 3.2 数据定位精确性 | 第33-35页 |
| 3.2.1 轨迹匹配精度分析 | 第33-34页 |
| 3.2.2 GPS定位误差分析 | 第34-35页 |
| 3.3 GPS轨迹数据特征 | 第35-42页 |
| 3.3.1 GPS轨迹数据分析类型 | 第35-36页 |
| 3.3.2 不同交通状态下的GPS轨迹匹配特征 | 第36-37页 |
| 3.3.3 不同交通状态下的GPS轨迹数据分析 | 第37-42页 |
| 第四章 出行信息识别算法理论研究 | 第42-49页 |
| 4.1 支持向量机简介 | 第42页 |
| 4.2 支持向量机算法 | 第42-47页 |
| 4.2.1 线性支持向量机 | 第43-45页 |
| 4.2.2 非线性支持向量机 | 第45-47页 |
| 4.3 算法特点及适用性 | 第47-48页 |
| 4.4 支持向量机工具箱 | 第48-49页 |
| 4.4.1 LIBSVM软件包 | 第48页 |
| 4.4.2 LIBSVM使用方法 | 第48-49页 |
| 第五章 不同交通状态下的出行信息采集效果评估 | 第49-63页 |
| 5.1 SVM识别模型构建 | 第49-52页 |
| 5.1.1 试验数据 | 第49页 |
| 5.1.2 搜索步长研究 | 第49-50页 |
| 5.1.3 训练特征参数评估 | 第50-51页 |
| 5.1.4 核函数参数选取 | 第51-52页 |
| 5.2 不同交通状态下出行信息识别 | 第52-55页 |
| 5.2.1 组合出行信息识别结果 | 第52-54页 |
| 5.2.2 组合方式正确识别统计 | 第54-55页 |
| 5.2.3 基于地图匹配法的识别结果修正 | 第55页 |
| 5.3 不同交通状态下出行方式识别评估 | 第55-58页 |
| 5.3.1 公交车组合识别结果 | 第56页 |
| 5.3.2 小汽车组合识别结果 | 第56-57页 |
| 5.3.3 小汽车组合修正结果 | 第57-58页 |
| 5.4 不同交通状态下交通换乘点识别评估 | 第58-63页 |
| 5.4.1 步行-公交车-步行换乘点识别结果 | 第58-60页 |
| 5.4.2 步行-小汽车-步行换乘点识别结果 | 第60-63页 |
| 结论与展望 | 第63-65页 |
| 1.研究结论 | 第63-64页 |
| 2.研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |
