移动网络环境下城市居民出行方式判别方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-14页 |
| 1.3 相关技术简介 | 第14-21页 |
| 1.3.1 移动网络环境下的手机定位技术 | 第14-16页 |
| 1.3.2 决策树分类技术 | 第16-19页 |
| 1.3.3 i4People 平台 | 第19-21页 |
| 1.4 研究内容 | 第21页 |
| 1.5 章节安排 | 第21-23页 |
| 2 移动网络环境下的数据采集 | 第23-30页 |
| 2.1 基于手机定位技术的出行数据采集器 | 第23-28页 |
| 2.1.1 出行数据采集器系统结构 | 第23-24页 |
| 2.1.2 出行数据采集器工作流程 | 第24-28页 |
| 2.1.3 出行数据库搭建 | 第28页 |
| 2.2 出行数据采集方案 | 第28-30页 |
| 3 城市居民出行轨迹分段算法研究 | 第30-35页 |
| 3.1 出行方式二值化 | 第30-31页 |
| 3.2 演绎性时序聚类分割 | 第31-33页 |
| 3.3 轨迹段后处理 | 第33-34页 |
| 3.4 出行轨迹分段精度 | 第34-35页 |
| 4 基于决策树的出行方式判别 | 第35-49页 |
| 4.1 选取统计量 | 第36-44页 |
| 4.2 基于决策树的出行方式识别模型建立 | 第44-46页 |
| 4.3 出行方式识别精度验证 | 第46-47页 |
| 4.3.1 测试数据处理 | 第46页 |
| 4.3.2 出行方式识别结果分析 | 第46-47页 |
| 4.4 基于出行方式识别模型的人迹数据可视化 | 第47-49页 |
| 5 总结创新与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 创新 | 第50页 |
| 5.3 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-60页 |
| 致谢 | 第60-61页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第61-62页 |
