摘要 | 第6-9页 |
Abstract | 第9-12页 |
目录 | 第13-16页 |
图表目录 | 第16-21页 |
第一章 绪论 | 第21-37页 |
1.1 研究背景 | 第21-24页 |
1.2 国内外研究现状 | 第24-32页 |
1.2.1 城市职住空间研究 | 第24-26页 |
1.2.2 移动轨迹数据挖掘理论与方法 | 第26-28页 |
1.2.3 基于大数据的城市计算 | 第28-32页 |
1.3 研究目标与内容 | 第32-33页 |
1.3.1 研究目标 | 第32页 |
1.3.2 研究内容 | 第32-33页 |
1.4 论文创新点 | 第33-34页 |
1.5 论文结构 | 第34-37页 |
第二章 面向聚合的语义轨迹数据模型及其存储 | 第37-66页 |
2.1 轨迹的基本概念 | 第37-41页 |
2.1.1 轨迹的概念 | 第37-38页 |
2.1.2 轨迹的分类 | 第38-39页 |
2.1.3 轨迹的语义建模 | 第39-41页 |
2.2 面向聚合的语义轨迹数据模型 | 第41-47页 |
2.2.1 传统关系数据模型与面向聚合模型 | 第41-45页 |
2.2.2 语义轨迹模型 | 第45-46页 |
2.2.3 语义轨迹构建过程 | 第46-47页 |
2.3 面向聚合的语义轨迹数据库 | 第47-65页 |
2.3.1 基于文档的非关系型数据库——MongoDB | 第50-58页 |
2.3.2 基于MongoDB的语义轨迹数据模型表达 | 第58-60页 |
2.3.3 面向聚合语义轨迹数据模型的查询 | 第60-61页 |
2.3.4 实验分析 | 第61-65页 |
2.4 本章小结 | 第65-66页 |
第三章 面向通勤行为感知的多源轨迹数据获取与处理 | 第66-96页 |
3.1 出租汽车车载GPS数据 | 第66-72页 |
3.1.1 研究区域与数据介绍 | 第67-68页 |
3.1.2 轨迹数据预处理 | 第68-69页 |
3.1.3 辅助数据及其预处理 | 第69-72页 |
3.2 时空社交媒体数据 | 第72-83页 |
3.2.1 微博数据特征 | 第72-74页 |
3.2.2 数据获取 | 第74-79页 |
3.2.3 数据描述与预处理 | 第79-83页 |
3.3 耦合手机定位与网络反馈的居民出行调查 | 第83-95页 |
3.3.1 调查流程设计 | 第83-85页 |
3.3.2 居民出行调查系统设计 | 第85-93页 |
3.3.3 调查结果 | 第93-94页 |
3.3.4 小结 | 第94-95页 |
3.4 本章小结 | 第95-96页 |
第四章 多源位置感知数据的通勤行为信息挖掘 | 第96-135页 |
4.1 基本思想 | 第96页 |
4.2 出租车轨迹数据挖掘 | 第96-118页 |
4.2.1 出租车轨迹及其聚类表达 | 第96-98页 |
4.2.2 基于交通网格划分的出租车OD数据聚类 | 第98-112页 |
4.2.3 基于出租车移动模式挖掘的职住空间分析 | 第112-118页 |
4.3 社会化网络数据挖掘 | 第118-133页 |
4.3.1 职住空间识别的建模思想 | 第118-121页 |
4.3.2 基于模糊数学方法的职住空间识别 | 第121-129页 |
4.3.3 通勤与职住特征提取结果与结论 | 第129-130页 |
4.3.4 结果检验 | 第130-131页 |
4.3.5 通勤网络特征 | 第131-133页 |
4.5 本章小结 | 第133-135页 |
第五章 基于通勤行为的上海市职住空间特征研究 | 第135-151页 |
5.1 关于职住空间的相关研究工作 | 第135-136页 |
5.2 上海市通勤效率研究 | 第136-141页 |
5.3 区域特征与职住分离 | 第141-147页 |
5.3.1 职住分离的度量模型 | 第141-142页 |
5.3.2 居住小区特征与职住分离 | 第142-144页 |
5.3.3 区域社会经济属性与职住分离 | 第144-147页 |
5.4 通勤网络与地理可视化 | 第147-150页 |
5.5 本章小结 | 第150-151页 |
第六章 结论与展望 | 第151-154页 |
6.1 总结 | 第151-152页 |
6.2 主要不足与未来研究工作 | 第152-154页 |
参考文献 | 第154-162页 |
后记 | 第162-164页 |
在学期间所取得的科研成果 | 第164页 |