| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 立题背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 通勤出行行为研究 | 第10-12页 |
| 1.2.2 公共交通智能卡数据的应用研究 | 第12-14页 |
| 1.2.3 基于Logit模型的出行行为研究 | 第14-15页 |
| 1.2.4 现有研究总结 | 第15页 |
| 1.3 研究目标与研究内容 | 第15-16页 |
| 1.4 研究方法与技术路线 | 第16-19页 |
| 第二章 基于IC卡和居民出行调查数据的通勤行为识别 | 第19-27页 |
| 2.1 研究区域概况 | 第19-20页 |
| 2.2 研究数据获取 | 第20-22页 |
| 2.2.1 地铁IC卡数据 | 第20页 |
| 2.2.2 居民出行调查数据 | 第20-22页 |
| 2.3 地铁通勤行为识别方法 | 第22-25页 |
| 2.3.1 基于居民调查数据的地铁通勤识别规则 | 第22-23页 |
| 2.3.2 基于地铁IC卡数据的通勤行为识别 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于数据融合的地铁通勤模式特征分析 | 第27-41页 |
| 3.1 地铁通勤模式划分 | 第27-32页 |
| 3.1.1 通勤模式划分指标 | 第27-28页 |
| 3.1.2 通勤模式划分方法 | 第28-30页 |
| 3.1.3 通勤模式划分结果 | 第30-32页 |
| 3.2 通勤数据融合 | 第32-33页 |
| 3.3 通勤模式特征分析 | 第33-39页 |
| 3.3.1 个人和家庭特征 | 第34-35页 |
| 3.3.2 职住地特征 | 第35-36页 |
| 3.3.3 通勤出行特征 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 地铁通勤模式形成机理建模方法 | 第41-53页 |
| 4.1 随机效用理论 | 第41-43页 |
| 4.1.1 随机效用理论假设 | 第41页 |
| 4.1.2 随机效用模型选取 | 第41-43页 |
| 4.2 地铁通勤模式的影响因素选取 | 第43-46页 |
| 4.3 地铁通勤模式形成机理建模 | 第46页 |
| 4.4 地铁通勤模式形成机理建模结果 | 第46-52页 |
| 4.4.1 地铁通勤模式多项Logit模型结果 | 第47-49页 |
| 4.4.2 地铁通勤模式混合Logit模型结果 | 第49-51页 |
| 4.4.3 多项Logit和混合Logit模型结果对比 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 地铁通勤模式形成机理分析及改善建议 | 第53-59页 |
| 5.1 地铁通勤模式形成机理分析 | 第53-55页 |
| 5.2 提高地铁通勤效率和服务水平建议 | 第55-57页 |
| 5.3 本章小结 | 第57-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 6.1 主要研究成果 | 第59-60页 |
| 6.2 主要创新点 | 第60页 |
| 6.3 研究展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者简介 | 第67页 |