| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 导论 | 第8-18页 |
| 一、选题背景及意义 | 第8-10页 |
| (一) 选题背景 | 第8-9页 |
| (二) 选题意义 | 第9-10页 |
| 二、研究现状综述 | 第10-14页 |
| (一) 国内研究综述 | 第11-12页 |
| (二) 国外研究综述 | 第12-13页 |
| (三) 评述 | 第13-14页 |
| 三、研究方法、创新点、难点 | 第14-15页 |
| (一) 研究方法 | 第14-15页 |
| (二) 创新点、难点 | 第15页 |
| 四、论文思路和基本架构 | 第15-18页 |
| (一) 论文思路 | 第15-17页 |
| (二) 基本框架 | 第17-18页 |
| 第一章 大数据及城市公共场所人群聚集风险预警相关内容概述及理论起点 | 第18-27页 |
| 一、相关研究内容概述 | 第18-24页 |
| (一) 大数据概述 | 第18-22页 |
| (二) 城市公共场所人群聚集风险概述 | 第22-24页 |
| 二、理论基础 | 第24-26页 |
| (一) 危机生命周期理论 | 第24页 |
| (二) 复杂性科学理论 | 第24-25页 |
| (三) 预警管理理论 | 第25-26页 |
| 三、本章小结 | 第26-27页 |
| 第二章 城市公共场所人群聚集案例分析 | 第27-34页 |
| 一、西单商业区人群聚集风险预警系统案例介绍 | 第27-29页 |
| (一) 人群聚集风险预警系统在西单商业区的应用 | 第27-28页 |
| (二) 案例评述 | 第28-29页 |
| 二、上海外滩踩踏事件介绍 | 第29-33页 |
| (一) 事件回顾 | 第29-31页 |
| (二) 案例评述 | 第31-33页 |
| 三、本章小结 | 第33-34页 |
| 第三章 大数据带来的城市公共场所人群聚集风险预警管理变革及应用优势 | 第34-39页 |
| 一、大数据带来的城市公共场所人群聚集风险预警管理变革 | 第34-35页 |
| 二、大数据在城市公共场所人群聚集风险预警管理中的应用优势 | 第35-38页 |
| (一) 全面数据带来全方位预测预警 | 第35-36页 |
| (二) 量化分析带来理性预测预警 | 第36-37页 |
| (三) 相关关系带来高时效性预测预警 | 第37页 |
| (四) 数据模型模拟带来可视化预测预警 | 第37-38页 |
| 三、本章小结 | 第38-39页 |
| 第四章 大数据时代城市公共场所人群聚集风险预警体系及预警功能实现 | 第39-48页 |
| 一、大数据时代城市公共场所人群聚集风险的预警管理 | 第39-43页 |
| (一) 大数据时代城市公共场所人群聚集风险预警架构 | 第39-41页 |
| (二) 大数据时代城市公共场所人群聚集风险数据预警运行逻辑 | 第41-43页 |
| 二、大数据时代城市公共场所人群聚集风险预警功能实现 | 第43-47页 |
| (一) 整合多平台数据,强化信息共享 | 第44-46页 |
| (二) 强化指挥协同,推进预警联动 | 第46-47页 |
| 三、本章小结 | 第47-48页 |
| 第五章 结论与展望 | 第48-50页 |
| 一、结论 | 第48页 |
| 二、展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
