基于手机信令数据的居民轨道交通通勤出行研究
摘要 | 第3-5页 |
abstract | 第5-6页 |
注释表 | 第13-14页 |
第1章 绪论 | 第14-22页 |
1.1 研究背景及意义 | 第14-16页 |
1.2 国内外研究现状 | 第16-19页 |
1.2.1 出行方式识别研究 | 第16-18页 |
1.2.2 轨道交通通勤特征研究 | 第18-19页 |
1.3 论文课题来源和研究内容 | 第19-20页 |
1.4 论文组织结构 | 第20-22页 |
第2章 相关技术背景 | 第22-32页 |
2.1 轨道交通介绍 | 第22-24页 |
2.1.1 轨道交通基本定义 | 第22-23页 |
2.1.2 轨道交通出行特性 | 第23页 |
2.1.3 轨道交通线路数据介绍 | 第23-24页 |
2.2 手机信令数据介绍 | 第24-29页 |
2.2.1 基站定位技术 | 第24-25页 |
2.2.2 手机信令数据样本说明 | 第25页 |
2.2.3 手机信令数据定位误差 | 第25-27页 |
2.2.4 手机信令数据样本扩样 | 第27-29页 |
2.3 数据可视化技术 | 第29-30页 |
2.4 地图栅格化 | 第30页 |
2.5 皮尔森线性相关系数 | 第30-31页 |
2.6 本章小结 | 第31-32页 |
第3章 轨道交通出行识别模型设计 | 第32-61页 |
3.1 整体方案设计 | 第32-33页 |
3.2 目标区域地图栅格系统构建 | 第33-35页 |
3.3 数据预处理 | 第35-45页 |
3.3.1 轨道交通线路数据预处理 | 第36-39页 |
3.3.2 手机信令数据预处理 | 第39-45页 |
3.4 驻留区域提取与出行段划分 | 第45-48页 |
3.5 基于手机信令数据的轨道交通出行识别算法 | 第48-58页 |
3.5.1 覆盖范围匹配 | 第48-51页 |
3.5.2 轨迹相关性匹配 | 第51-53页 |
3.5.3 速度波动契合性匹配 | 第53-58页 |
3.6 模型识别结果与算法对比分析 | 第58-60页 |
3.6.1 模型识别结果 | 第58-59页 |
3.6.2 算法对比分析 | 第59-60页 |
3.7 本章小结 | 第60-61页 |
第4章 轨道交通通勤出行识别模型设计 | 第61-78页 |
4.1 目标站点选取 | 第61-63页 |
4.2 数据说明与预处理 | 第63-66页 |
4.2.1 AFC刷卡数据说明 | 第63页 |
4.2.2 手机信令数据说明 | 第63-64页 |
4.2.3 基站数据预处理 | 第64-66页 |
4.2.4 手机信令数据预处理 | 第66页 |
4.3 基于手机信令数据的居民职住地识别 | 第66-67页 |
4.4 基于手机信令数据的轨道交通通勤出行识别 | 第67-70页 |
4.5 目标站点通勤客流特征分析 | 第70-77页 |
4.5.1 基于AFC数据的通勤出行信息提取 | 第70-71页 |
4.5.2 AFC与信令数据通勤客流量统计与对比 | 第71-74页 |
4.5.3 通勤客流占比特征 | 第74-76页 |
4.5.4 通勤客流来源站点分布特征 | 第76-77页 |
4.6 本章小结 | 第77-78页 |
第5章 轨道交通通勤出行接驳特征研究 | 第78-88页 |
5.1 构建通勤接驳信息数据集 | 第78-79页 |
5.2 通勤人群接驳特征分析 | 第79-84页 |
5.2.1 接驳辐射区域分布特征 | 第79-82页 |
5.2.2 接驳距离—时间特征 | 第82-84页 |
5.3 目标站点通勤接驳现状 | 第84-87页 |
5.3.1 整体通勤接驳现状分析 | 第85-86页 |
5.3.2 接驳效率较低区域分析 | 第86-87页 |
5.4 本章小结 | 第87-88页 |
第6章 总结与展望 | 第88-91页 |
6.1 研究工作总结 | 第88-89页 |
6.2 未来工作展望 | 第89-91页 |
参考文献 | 第91-96页 |
致谢 | 第96-97页 |
攻读硕士学位期间从事的科研工作及取得的成果 | 第97页 |