多源轨迹数据时空聚类及居民出行模式分析
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及趋势 | 第11-13页 |
| 1.3 主要研究内容与技术路线 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 多源轨迹数据处理与统计 | 第18-40页 |
| 2.1 数据概述与研究区域选取 | 第18-22页 |
| 2.1.1 多源轨迹数据概述 | 第18-20页 |
| 2.1.2 研究区域选取 | 第20-22页 |
| 2.2 多源轨迹数据预处理 | 第22-27页 |
| 2.2.1 GPS轨迹预处理 | 第22-23页 |
| 2.2.2 公交出行下车位置推断 | 第23-26页 |
| 2.2.3 地铁进出站信息匹配 | 第26页 |
| 2.2.4 出租车出行起讫点提取 | 第26-27页 |
| 2.3 多源轨迹数据统计 | 第27-35页 |
| 2.3.1 总体分布概况统计 | 第27-28页 |
| 2.3.2 不同交通工具使用数量统计 | 第28-33页 |
| 2.3.3 不同交通工具使用比例统计 | 第33-35页 |
| 2.4 出行流量统计 | 第35-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 多源轨迹数据的时空谱聚类扩展 | 第40-54页 |
| 3.1 谱聚类理论与方法 | 第40-43页 |
| 3.1.1 相关定义 | 第41-42页 |
| 3.1.2 谱聚类理论 | 第42-43页 |
| 3.2 谱聚类方法的时空扩展 | 第43-51页 |
| 3.2.1 相似性度量方法 | 第44-46页 |
| 3.2.2 时间序列相似性度量 | 第46-47页 |
| 3.2.3 时空相似性度量 | 第47-49页 |
| 3.2.4 相似性矩阵融合 | 第49-51页 |
| 3.2.5 聚类处理 | 第51页 |
| 3.3 时空谱聚类算法描述 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 基于时空谱聚类的居民出行模式挖掘与分析 | 第54-70页 |
| 4.1 多源轨迹数据的传统谱聚类结果 | 第54-57页 |
| 4.2 基于空间关系的多源轨迹数据时空谱聚类结果 | 第57-59页 |
| 4.3 基于邻接距离的多源轨迹数据时空谱聚类结果 | 第59-60页 |
| 4.4 谱聚类方法结果对比 | 第60-61页 |
| 4.5 居民出行模式理解与分析 | 第61-69页 |
| 4.5.1 不同模式下的交通工具使用关系分析 | 第61-63页 |
| 4.5.2 不同模式下的社会背景分析 | 第63-68页 |
| 4.5.3 不同模式下的出行移动分析 | 第68-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 主要工作总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 硕士期间的科研情况 | 第76-78页 |
| 致谢 | 第78-80页 |
