首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于公共交通大数据的用户出行行为研究

摘要第5-6页
Abstract第6页
第1章 绪论第13-17页
    1.1 课题的背景以及意义第13-14页
    1.2 国内外研究现状第14-16页
        1.2.1 大数据在公共交通领域的研究第14页
        1.2.2 出行OD算法提取第14-15页
        1.2.3 用户画像第15-16页
    1.3 论文主要研究内容第16-17页
第2章 大数据平台框架与关键技术第17-21页
    2.1 大数据平台框架第17-18页
    2.2 关键技术与方法第18-20页
        2.2.1 关联规则第18-19页
        2.2.2 聚类分析第19-20页
    2.3 小节第20-21页
第3章 公共交通大数据分析系统设计第21-26页
    3.1 系统需求第21页
    3.2 系统指标第21页
        3.2.1 系统计算性能第21页
        3.2.2 系统存储性能第21页
        3.2.3 系统可靠性第21页
    3.3 系统设计第21-24页
        3.3.1 总体架构第21-22页
        3.3.2 物理架构第22-23页
        3.3.3 数据分析和挖掘模块第23-24页
    3.4 系统界面第24-25页
    3.5 小节第25-26页
第4章 数据预处理与城市功能区识别第26-43页
    4.1 数据源第26-30页
        4.1.1 深圳通刷卡出行数据第26-27页
        4.1.2 深圳公交GPS数据第27-28页
        4.1.3 深圳市常规交通数据第28-29页
        4.1.4 深圳POI数据第29-30页
    4.2 数据预处理第30-38页
        4.2.1 数据质量评估第30-33页
        4.2.2 数据清洗第33-36页
        4.2.3 出行OD算法实现第36-38页
    4.3 城市功能区识别第38-42页
        4.3.1 区域属性体系建立第39-40页
        4.3.2 基于TF-IDF加权算法的区域属性挖掘第40-42页
    4.4 小节第42-43页
第5章 公共交通用户出行行为挖掘与建模第43-65页
    5.1 公共交通用户出行特征第43-49页
        5.1.1 用户出行时间第44页
        5.1.2 用户出行频次第44-45页
        5.1.3 用户出行站点第45-46页
        5.1.4 用户出行OD第46-48页
        5.1.5 用户出行区域第48-49页
    5.2 基于层次聚类算法的用户出行站点聚类第49-56页
        5.2.1 用户出行站点特征提取第49-50页
        5.2.2 用户出行站点特征实现第50-53页
        5.2.3 构建用户出行站点聚类模型第53-55页
        5.2.4 用户出行站点聚类结果分析第55-56页
    5.3 基于公共交通大数据的用户出行画像第56-64页
        5.3.1 基于时间维度的用户出行行为特征标签第57-58页
        5.3.2 基于空间维度的用户出行行为特征标签第58-61页
        5.3.3 用户画像体系构建第61-64页
    5.4 小节第64-65页
总结与展望第65-66页
参考文献第66-69页
附录A 数据清洗程序第69-72页
附录B 深圳POI数据抓取程序第72-77页
附录C 基于TF-IDF加权算法的区域属性挖掘程序第77-80页
附录D 基于层次聚类算法的出行站点聚类程序第80-82页
致谢第82页

论文共82页,点击 下载论文
上一篇:移动云计算随机任务序列的高效能的执行调度
下一篇:基于道路分簇的多属性决策VDTN路由协议研究