| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于手机信令的交通OD调查 | 第11-12页 |
| 1.2.2 停留点的识别 | 第12页 |
| 1.2.3 基于手机信令的出行分析 | 第12-13页 |
| 1.2.4 兴趣点推荐算法 | 第13-14页 |
| 1.3 本文研究的主要内容及论文组织结构 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 论文组织结构 | 第14-16页 |
| 第2章 信令数据预处理及出行推荐相关技术 | 第16-32页 |
| 2.1 居民出行特征分析研究 | 第16-19页 |
| 2.1.1 职住空间分布研究 | 第16页 |
| 2.1.2 交通小区获取研究 | 第16-19页 |
| 2.2 兴趣点推荐算法 | 第19-21页 |
| 2.2.1 协同过滤推荐算法 | 第19-20页 |
| 2.2.2 基于地理因素推荐算法 | 第20-21页 |
| 2.2.3 基于时间因素推荐算法 | 第21页 |
| 2.3 手机定位数据预处理技术 | 第21-31页 |
| 2.3.1 数据处理方法 | 第22-23页 |
| 2.3.2 停留点提取方法 | 第23-28页 |
| 2.3.3 实验结果分析 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 居民出行特征分析 | 第32-49页 |
| 3.1 职住空间划分方案 | 第32-40页 |
| 3.1.1 数据准备 | 第32-34页 |
| 3.1.2 职住地判断算法 | 第34-36页 |
| 3.1.3 实验结果分析 | 第36-40页 |
| 3.2 交通小区获取方案 | 第40-48页 |
| 3.2.1 基于K-Means算法的交通小区划分方案 | 第41-42页 |
| 3.2.2 基于GMM算法的交通小区划分方案 | 第42-44页 |
| 3.2.3 实验结果分析 | 第44-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第4章 基于手机信令数据的居民出行推荐 | 第49-58页 |
| 4.1 基于居民偏好推荐算法 | 第49-52页 |
| 4.1.1 居民偏好矩阵 | 第49-50页 |
| 4.1.2 用户相似度 | 第50-52页 |
| 4.2 基于时空因素推荐算法 | 第52-55页 |
| 4.2.1 基于空间因素推荐算法 | 第52-53页 |
| 4.2.2 基于时间因素推荐算法 | 第53-54页 |
| 4.2.3 时空融合算法 | 第54-55页 |
| 4.3 实验结果分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |