融合个人社交信息的交通出行行为建模与识别技术
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 研究目的及意义 | 第8-9页 |
| 1.3 国内外的研究现状 | 第9-13页 |
| 1.3.1 个性化交通信息服务系统的研究现状 | 第9-10页 |
| 1.3.2 出行行为识别的研究现状 | 第10-12页 |
| 1.3.3 多源位置数据融合技术的研究现状 | 第12-13页 |
| 1.4 论文的主要研究内容 | 第13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第二章 个性化交通信息服务系统研究 | 第15-22页 |
| 2.1 个性化交通信息服务的分类与组成 | 第15-18页 |
| 2.1.1 个性化交通信息服务的分类 | 第15-17页 |
| 2.1.2 个性化交通信息服务的组成 | 第17-18页 |
| 2.2 个性化交通信息服务的需求研究 | 第18-19页 |
| 2.3 出行行为关键技术研究 | 第19-21页 |
| 2.3.1 出行行为的模型 | 第19页 |
| 2.3.2 出行行为的识别 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 交通出行行为模型构建与识别 | 第22-31页 |
| 3.1 交通出行行为的识别 | 第22-24页 |
| 3.1.1 出行行为特征 | 第22-23页 |
| 3.1.2 出行行为识别流程 | 第23-24页 |
| 3.2 交通出行行为模型 | 第24-30页 |
| 3.2.1 出行数据采集 | 第24-25页 |
| 3.2.2 出行数据预处理 | 第25-26页 |
| 3.2.3 基于GPS的驻留地出行模型 | 第26-28页 |
| 3.2.4 面向驻留地的识别算法 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于个人社交信息的出行行为识别 | 第31-40页 |
| 4.1 社交信息的识别方法 | 第31-36页 |
| 4.1.1 网络爬虫技术 | 第31-32页 |
| 4.1.2 开放平台 | 第32-36页 |
| 4.2 基于社交信息的出行行为识别 | 第36-39页 |
| 4.2.1 社交位置数据采集 | 第36-37页 |
| 4.2.2 社交位置数据预处理 | 第37-38页 |
| 4.2.3 社交位置数据特征提取 | 第38页 |
| 4.2.4 基于社交位置的驻留地出行模型 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 基于贝叶斯算法的多源空间数据融合技术 | 第40-45页 |
| 5.1 多源空间数据融合技术 | 第40-41页 |
| 5.1.1 多源空间数据融合层次 | 第40-41页 |
| 5.2 基于贝叶斯的驻留地融合算法 | 第41-44页 |
| 5.2.1 贝叶斯定理 | 第41页 |
| 5.2.2 基于贝叶斯的融合算法设计 | 第41-44页 |
| 5.3 本章小结 | 第44-45页 |
| 第六章 实验及结果分析 | 第45-56页 |
| 6.1 实验简介 | 第45页 |
| 6.2 实验数据预处理 | 第45-46页 |
| 6.2.1 异常数据处理 | 第45-46页 |
| 6.2.2 坐标系转换 | 第46页 |
| 6.3 实验结果及分析 | 第46-55页 |
| 6.3.1 评价指标 | 第46-47页 |
| 6.3.2 参数设定 | 第47-50页 |
| 6.3.3 实验结果 | 第50-51页 |
| 6.3.4 实验分析 | 第51-55页 |
| 6.4 本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64页 |
