基于刷卡数据的城市公共交通可达性研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 研究内容及技术路线 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 技术路线 | 第19-20页 |
| 2 城市公共交通可达性理论基础 | 第20-28页 |
| 2.1 公共交通可达性定义 | 第20-21页 |
| 2.2 公共交通可达性元素及特征 | 第21-22页 |
| 2.2.1 可达性元素 | 第21页 |
| 2.2.2 可达性特征 | 第21-22页 |
| 2.3 可达性影响因素 | 第22-24页 |
| 2.3.1 城市结构和规模 | 第22页 |
| 2.3.2 土地利用 | 第22-23页 |
| 2.3.3 交通系统 | 第23页 |
| 2.3.4 可获得的机会数 | 第23页 |
| 2.3.5 时空变量 | 第23-24页 |
| 2.3.6 个体因素 | 第24页 |
| 2.4 经典可达性模型 | 第24-27页 |
| 2.4.1 空间阻隔模型 | 第24-25页 |
| 2.4.2 潜力模型 | 第25-26页 |
| 2.4.3 累积机会模型 | 第26页 |
| 2.4.4 效用模型 | 第26页 |
| 2.4.5 时空约束模型 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 城市公共交通数据处理与匹配 | 第28-42页 |
| 3.1 公共交通数据说明 | 第28-30页 |
| 3.1.1 公交IC卡数据 | 第28-29页 |
| 3.1.2 轨道交通AFC数据 | 第29-30页 |
| 3.1.3 公共交通基础数据 | 第30页 |
| 3.2 刷卡数据预处理 | 第30-32页 |
| 3.2.1 公交IC数据预处理 | 第30-31页 |
| 3.2.2 轨道交通AFC数据预处理 | 第31-32页 |
| 3.3 基于数据匹配挖掘乘客出行 | 第32-41页 |
| 3.3.1 换乘时间阈值确定 | 第32-39页 |
| 3.3.2 公共交通出行链和出行子链 | 第39-40页 |
| 3.3.3 公共交通出行子链的构建 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于刷卡数据的城市公共交通可达性模型 | 第42-58页 |
| 4.1 基于刷卡数据的公共交通出行模式提取 | 第42-43页 |
| 4.1.1 公共交通出行模式概念 | 第42页 |
| 4.1.2 公共交通出行模式提取 | 第42-43页 |
| 4.2 基于不同出行模式的旅行时间建模 | 第43-47页 |
| 4.2.1 公共交通出行特征 | 第43-44页 |
| 4.2.2 公共交通旅行时间建模 | 第44-47页 |
| 4.3 基于刷卡数据的动态OD分布及可达时间确定 | 第47-49页 |
| 4.3.1 公共交通动态OD获取 | 第48-49页 |
| 4.3.2 公共交通可达时间确定 | 第49页 |
| 4.4 城市公共交通动态可达性模型 | 第49-56页 |
| 4.4.1 基于乘客出行的时空概率模型 | 第50-54页 |
| 4.4.2 基于乘客出行的改进累积机会模型 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 北京市公共交通可达性实例研究 | 第58-78页 |
| 5.1 研究区域及数据来源 | 第58-59页 |
| 5.1.1 研究区域 | 第58页 |
| 5.1.2 数据来源 | 第58-59页 |
| 5.2 北京市公共交通可达性研究 | 第59-77页 |
| 5.2.1 公共交通客流特性分析 | 第59-64页 |
| 5.2.2 公共交通出行时间分析 | 第64-67页 |
| 5.2.3 公共交通可达性时空分布 | 第67-77页 |
| 5.3 本章小结 | 第77-78页 |
| 6 结论与展望 | 第78-80页 |
| 6.1 结论 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第84-86页 |
| 学位论文数据集 | 第86页 |
