| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·手机采集交通信息的研究综述 | 第12-15页 |
| ·交通方式识别研究综述 | 第15页 |
| ·国内外相关研究归纳与总结 | 第15-16页 |
| ·AGPS手机进行交通方式识别可行性分析 | 第16-18页 |
| ·AGPS手机市场占有量分析 | 第16-17页 |
| ·AGPS手机用户使用频率分析 | 第17-18页 |
| ·论文主要研究内容 | 第18-19页 |
| ·论文的新意 | 第19-20页 |
| 2 论文涉及的主要理论和技术 | 第20-33页 |
| ·模式识别基础 | 第20-21页 |
| ·模式与模式识别 | 第20页 |
| ·模式识别的过程 | 第20-21页 |
| ·BP神经网络基础 | 第21-26页 |
| ·BP神经网络的结构 | 第21-23页 |
| ·BP算法 | 第23-25页 |
| ·BP神经网络的改进 | 第25-26页 |
| ·AGPS手机定位技术 | 第26-33页 |
| ·移动通信网络 | 第26-27页 |
| ·基于移动通信网络的定位技术 | 第27-28页 |
| ·基于手机GPS的定位技术 | 第28-29页 |
| ·网络辅助的AGPS定位技术 | 第29-31页 |
| ·AGPS定位技术优势 | 第31-33页 |
| 3 数据采集与处理 | 第33-46页 |
| ·数据需求分析 | 第33-34页 |
| ·数据采集方案 | 第34-38页 |
| ·数据采集工具 | 第34-36页 |
| ·加速度的采集 | 第36页 |
| ·数据收集调查区域 | 第36-37页 |
| ·数据收集调查时间 | 第37-38页 |
| ·数据处理 | 第38-41页 |
| ·数据格式的转换 | 第38-40页 |
| ·数据过滤 | 第40-41页 |
| ·数据准确性检验 | 第41-46页 |
| ·原始定位精度的准确性检验 | 第41-42页 |
| ·速度准确性检验 | 第42-44页 |
| ·加速度准确性检验 | 第44-45页 |
| ·结论 | 第45-46页 |
| 4 基于BP神经网络的AGPS手机交通方式识别方法 | 第46-56页 |
| ·方法的设计思路 | 第46-47页 |
| ·特征类的选择 | 第47-50页 |
| ·BP神经网络模型的设计 | 第50-54页 |
| ·案例分析 | 第54-55页 |
| ·小结 | 第55-56页 |
| 5 基于BP神经网络的交通方式识别影响因素分析 | 第56-67页 |
| ·影响因素的选择 | 第56-57页 |
| ·实验方案设计 | 第57-59页 |
| ·实验方案设计思路 | 第57-58页 |
| ·BP神经网络模型设计 | 第58-59页 |
| ·影响因素分析 | 第59-66页 |
| ·改变历史数据周期对交通方式识别准确率的影响 | 第59-61页 |
| ·改变采样频率对交通方式判别准确率的影响 | 第61-63页 |
| ·小汽车与非小汽车识别效果对比 | 第63-64页 |
| ·高峰时段与非高峰时段交通模式识别准确率 | 第64-65页 |
| ·结论 | 第65-66页 |
| ·小结 | 第66-67页 |
| 6 研究结论与展望 | 第67-69页 |
| ·研究结论 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |