| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 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14-17页 |
| 1.3 论文研究内容与组织结构 | 第17-18页 |
| 1.3.1 主要研究内容 | 第17页 |
| 1.3.2 论文组织结构 | 第17-18页 |
| 1.4 技术路线 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 理论基础 | 第20-34页 |
| 2.1 城市居民定位数据获取方法 | 第20-24页 |
| 2.1.1 GNSS定位系统 | 第20页 |
| 2.1.2 GPS浮动车定位技术 | 第20-23页 |
| 2.1.3 手机定位技术 | 第23-24页 |
| 2.2 误差来源分析 | 第24-25页 |
| 2.3 数据预处理 | 第25-27页 |
| 2.3.1 GPS浮动车数据来源及结构 | 第25-26页 |
| 2.3.2 异常数据处理 | 第26页 |
| 2.3.3 坐标转换 | 第26-27页 |
| 2.4 地图匹配 | 第27-32页 |
| 2.4.1 常见的地图匹配算法 | 第28-30页 |
| 2.4.2 地图匹配算法分析 | 第30-31页 |
| 2.4.3 地图匹配结果 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于统计分析的居民活动规律研究 | 第34-44页 |
| 3.1 研究区域概况 | 第34-35页 |
| 3.2 居民出行上下车点和出行轨迹提取 | 第35-38页 |
| 3.2.1 居民上下车点提取 | 第35-37页 |
| 3.2.2 居民出行轨迹提取 | 第37-38页 |
| 3.3 居民出行行程长度和出行时间统计分析 | 第38-40页 |
| 3.3.1 居民出行行程长度 | 第38-39页 |
| 3.3.2 居民出行行程时间 | 第39-40页 |
| 3.4 不同时间段居民出行统计分析 | 第40-42页 |
| 3.4.1 各小时出行统计分析 | 第40-41页 |
| 3.4.2 各时间段出行统计分析 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于空间聚类分析的居民活动规律研究 | 第44-66页 |
| 4.1 空间聚类算法 | 第45-52页 |
| 4.1.1 基于划分的聚类算法 | 第46-47页 |
| 4.1.2 基于层次的聚类算法 | 第47-49页 |
| 4.1.3 基于密度的聚类算法 | 第49-50页 |
| 4.1.4 基于格网的聚类算法 | 第50-51页 |
| 4.1.5 基于神经网络的聚类算法 | 第51页 |
| 4.1.6 基于统计学的聚类算法 | 第51页 |
| 4.1.7 主要聚类方法总结 | 第51-52页 |
| 4.2 改进的FCM聚类算法 | 第52-56页 |
| 4.2.1 FCM聚类算法描述 | 第52-53页 |
| 4.2.2 改进的FCM聚类算法描述 | 第53-56页 |
| 4.3 基于FCM聚类算法的城市居民活动热点区域挖掘 | 第56-65页 |
| 4.3.1 各时间段乘客上下车点聚类结果 | 第56-62页 |
| 4.3.2 全天乘客上下车点聚类结果 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录A:攻读硕士期间发表论文及参与项目 | 第72-73页 |
| 附录B:部分实验代码 | 第73-75页 |