摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 研究背景 | 第11-12页 |
1.1.1 智慧旅游 | 第11页 |
1.1.2 人类移动模式 | 第11-12页 |
1.1.3 电信位置数据挖掘 | 第12页 |
1.2 研究内容 | 第12-15页 |
1.2.1 基于电信位置数据的旅游服务系统的设计与实现 | 第13-14页 |
1.2.2 游客行为分析与目的地感知 | 第14-15页 |
1.2.3 基于区域-活动-时间的游客移动模式挖掘 | 第15页 |
1.3 研究成果及意义 | 第15-17页 |
1.4 论文组织结构 | 第17-19页 |
第二章 智慧旅游及其相关技术 | 第19-25页 |
2.1 智能旅游的研究现状 | 第19-20页 |
2.1.1 轨迹数据挖掘 | 第19-20页 |
2.1.2 旅游信息管理系统 | 第20页 |
2.2 手机位置数据挖掘 | 第20-21页 |
2.3 系统使用的关键技术 | 第21-23页 |
2.3.1 分布式计算框架 | 第21-22页 |
2.3.2 NoSQL数据库 | 第22页 |
2.3.3 网站开发技术 | 第22-23页 |
2.4 本章小结 | 第23-25页 |
第三章 基于电信位置数据的旅游服务系统 | 第25-37页 |
3.1 系统需求分析 | 第25页 |
3.2 系统架构设计 | 第25-27页 |
3.2.1 数据存储层 | 第26页 |
3.2.2 平台计算层 | 第26-27页 |
3.2.3 算法模型层 | 第27页 |
3.2.4 应用功能层 | 第27页 |
3.3 API网关设计 | 第27-30页 |
3.4 数据集介绍 | 第30-32页 |
3.4.1 电信位置数据 | 第30页 |
3.4.2 兴趣点数据 | 第30-31页 |
3.4.3 景点点评数据 | 第31-32页 |
3.5 数据预处理 | 第32-36页 |
3.5.1 电信数据预处理 | 第32-34页 |
3.5.2 震荡处理 | 第34-36页 |
3.6 本章小结 | 第36-37页 |
第四章 游客行为分析与目的地感知 | 第37-51页 |
4.1 个体游客行为分析 | 第37-43页 |
4.1.1 游客基本特征分析 | 第37-39页 |
4.1.2 游客移动特性分析 | 第39-42页 |
4.1.3 游客游览偏好分析 | 第42-43页 |
4.2 团体游客行为分析 | 第43-49页 |
4.2.1 社交关联性分析 | 第43-44页 |
4.2.2 游客移动相似度指标 | 第44-46页 |
4.2.3 潜在游客团体挖掘 | 第46-48页 |
4.2.4 团体游客行为分析 | 第48-49页 |
4.3 目的地感知 | 第49-50页 |
4.4 本章小结 | 第50-51页 |
第五章 基于区域-活动-时间的游客移动模式挖掘 | 第51-69页 |
5.1 区域-活动-时间多维表达方法 | 第51-59页 |
5.1.1 兴趣区域挖掘 | 第51-55页 |
5.1.2 游客活动类型标注 | 第55-58页 |
5.1.3 时间段划分及住宿地点识别 | 第58页 |
5.1.4 原始轨迹的RAT表达 | 第58-59页 |
5.2 RAT序列相差度计算方法 | 第59-62页 |
5.2.1 RAT元组相似度计算 | 第59-60页 |
5.2.2 基于编辑距离的RAT序列相差度计算 | 第60-61页 |
5.2.3 基于RAT表达的游客行程相差度计算 | 第61-62页 |
5.3 游客移动模式挖掘 | 第62-66页 |
5.3.1 典型移动模式挖掘 | 第62-63页 |
5.3.2 季节性代表模式挖掘 | 第63-66页 |
5.4 游客住宿偏好分析 | 第66-68页 |
5.5 本章小结 | 第68-69页 |
第六章 案例展示与系统功能介绍 | 第69-79页 |
6.1 旅游行业市场分析 | 第69-73页 |
6.2 游客行为分析 | 第73-76页 |
6.3 智能行程推荐 | 第76-78页 |
6.4 本章小结 | 第78-79页 |
第七章 总结与展望 | 第79-81页 |
参考文献 | 第81-87页 |
附录 | 第87-91页 |
附录1 | 第87-88页 |
附录2 | 第88-90页 |
附录3 | 第90-91页 |
致谢 | 第91-93页 |
攻读学位期间发表的学术论文目录 | 第93页 |