| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 文献综述 | 第10-13页 |
| 1.2.1 城市低碳配送 | 第10-12页 |
| 1.2.2 配送车辆出行行为研究 | 第12-13页 |
| 1.3 研究目的与意义 | 第13页 |
| 1.4 研究方法与创新点 | 第13-14页 |
| 1.5 研究内容与技术路线 | 第14-17页 |
| 第二章 相关理论分析 | 第17-29页 |
| 2.1 出行链相关理论 | 第17-22页 |
| 2.1.1 基本概念 | 第17-19页 |
| 2.1.2 影响因素 | 第19-20页 |
| 2.1.3 特征指标 | 第20-21页 |
| 2.1.4 典型模式 | 第21-22页 |
| 2.2 碳排放相关理论 | 第22-28页 |
| 2.2.1 基本概念 | 第22-24页 |
| 2.2.2 影响因素分析 | 第24-25页 |
| 2.2.3 交通碳排放计算模型 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于GPS的城市配送车辆出行链及其特征识别技术研究 | 第29-41页 |
| 3.1 城市配送车辆GPS数据介绍及数据预处理 | 第29-31页 |
| 3.2 城市配送车辆出行链识别技术 | 第31-38页 |
| 3.2.1 概念定义 | 第31-32页 |
| 3.2.2 数据结构 | 第32-33页 |
| 3.2.3 出行链识别技术 | 第33-38页 |
| 3.3 城市配送车辆出行链特征识别技术 | 第38-40页 |
| 3.3.1 时间特征识别 | 第38-39页 |
| 3.3.2 空间特征识别 | 第39-40页 |
| 3.3.3 运行特征识别 | 第40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 城市配送车辆出行链碳排放计算模型研究 | 第41-49页 |
| 4.1 基于GPS数据的碳排放计算模型 | 第41-43页 |
| 4.1.1 模型假设与参数说明 | 第41-42页 |
| 4.1.2 模型构建 | 第42-43页 |
| 4.2 基于出行链特征的碳排放计算模型 | 第43-45页 |
| 4.2.1 模型假设与参数说明 | 第44页 |
| 4.2.2 模型构建 | 第44-45页 |
| 4.3 算例研究 | 第45-48页 |
| 4.3.1 算例描述 | 第45-47页 |
| 4.3.2 基于GPS数据的碳排放计算 | 第47-48页 |
| 4.3.3 基于出行链特征的碳排放计算 | 第48页 |
| 4.3.4 计算结果分析 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 城市配送车辆出行链特征对碳排放影响的仿真研究 | 第49-59页 |
| 5.1 仿真框架 | 第49-52页 |
| 5.1.1 仿真方法 | 第49-50页 |
| 5.1.2 仿真情景设置 | 第50-51页 |
| 5.1.3 仿真技术流程 | 第51-52页 |
| 5.2 情景仿真与结果分析 | 第52-55页 |
| 5.2.1 仿真实现 | 第52页 |
| 5.2.2 结果分析 | 第52-55页 |
| 5.3 城市低碳配送建议 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 基于大数据的城市配送车辆出行监控系统 | 第59-65页 |
| 6.1 系统建设的目的和原则 | 第59-60页 |
| 6.2 系统建设的框架体系 | 第60-62页 |
| 6.3 重点建设任务 | 第62-63页 |
| 6.4 运作模式 | 第63-64页 |
| 6.5 本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 主要研究成果及结论 | 第65页 |
| 7.2 未来展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 作者简介 | 第72页 |