| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 公共自行车系统运行特性 | 第9页 |
| 1.2.2 公共自行车租赁点布局 | 第9页 |
| 1.2.3 公共自行车租赁点选址 | 第9-10页 |
| 1.2.4 公共自行车租赁点配车规模 | 第10页 |
| 1.2.5 有待深入研究的问题 | 第10页 |
| 1.3 论文研究内容 | 第10-11页 |
| 1.3.1 研究概念界定 | 第10-11页 |
| 1.3.2 主要研究内容 | 第11页 |
| 1.4 技术路线 | 第11-15页 |
| 第2章 公共自行车系统时空特性研究 | 第15-32页 |
| 2.1 北京市公共自行车系统建设现状 | 第15-18页 |
| 2.1.1 服务区域 | 第15页 |
| 2.1.2 投入规模 | 第15-18页 |
| 2.1.3 服务平台 | 第18页 |
| 2.2 公共自行车系统时空运行特性 | 第18-23页 |
| 2.2.1 运行特征 | 第18-19页 |
| 2.2.2 出行特征 | 第19-21页 |
| 2.2.3 用户特征 | 第21-23页 |
| 2.3 公共自行车出行OD网络结构 | 第23-31页 |
| 2.3.1 数据分类与处理 | 第23-26页 |
| 2.3.2 基于GIS的出行OD网络结构生成 | 第26-27页 |
| 2.3.3 典型出行OD网络结构分类 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于蚁群算法的典型结构识别方法 | 第32-44页 |
| 3.1 聚类方法选择 | 第32-34页 |
| 3.2 聚类过程 | 第34-40页 |
| 3.2.1 图像特征提取 | 第36-38页 |
| 3.2.2 转移规则和信息素更新策略 | 第38-39页 |
| 3.2.3 图样聚类结果 | 第39-40页 |
| 3.3 结构特征分析 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 公共自行车出行OD网络结构影响因素研究 | 第44-62页 |
| 4.1 影响因素层次划分 | 第44-45页 |
| 4.2 影响因素调研 | 第45-52页 |
| 4.2.1 调研目的 | 第45页 |
| 4.2.2 调研地点 | 第45-48页 |
| 4.2.3 问卷设计 | 第48-52页 |
| 4.3 影响因素分析 | 第52-61页 |
| 4.3.1 影响因素变量分类 | 第52-56页 |
| 4.3.2 影响因素分析 | 第56-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 基于多维影响因素的公共自行车出行网络结构预测模型 | 第62-76页 |
| 5.1 BP神经网络理论 | 第62-63页 |
| 5.2 BP神经网络的Matlab实现 | 第63-67页 |
| 5.2.1 样本数据处理 | 第63-64页 |
| 5.2.2 BP神经网络结构设计 | 第64页 |
| 5.2.3 BP神经网络建立及训练 | 第64-66页 |
| 5.2.4 BP神经网络预测分析 | 第66-67页 |
| 5.3 研究应用意义及案例 | 第67-74页 |
| 5.3.1 公共自行车出行OD网络的构建 | 第68-69页 |
| 5.3.2 目标区域租赁点出行结构的聚类 | 第69-72页 |
| 5.3.3 基于因素调整的出行结构优化 | 第72-74页 |
| 5.4 本章小节 | 第74-76页 |
| 结论与展望 | 第76-78页 |
| 主要研究成果 | 第76-77页 |
| 未来研究展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82-96页 |
| 附录A: 公共自行车出行OD网络结构聚类结果 | 第82-86页 |
| 附录B: 影响因素调查地点 | 第86-91页 |
| 附录C: 建筑类型说明 | 第91-94页 |
| 附录D: 北京市公共自行车租赁点流量、租还统计表 | 第94-95页 |
| 附录E: 道路类型填写说明 | 第95-96页 |
| 攻读硕士学位期间所发表的学术论文 | 第96-98页 |
| 致谢 | 第98页 |