| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状及趋势 | 第12-16页 |
| 1.3 当前研究存在的问题 | 第16-17页 |
| 1.4 研究内容和技术路线 | 第17-22页 |
| 1.4.1 研究内容 | 第17-19页 |
| 1.4.2 研究技术路线 | 第19-22页 |
| 第2章 出行信息提取方法研究介绍 | 第22-29页 |
| 2.1 出行信息的概念和定义 | 第22-23页 |
| 2.2 出行信息提取方法 | 第23-28页 |
| 2.2.1 Graham's Scan 求解凸包法 | 第23-24页 |
| 2.2.2 旋转卡壳法 | 第24-25页 |
| 2.2.3 神经网络 | 第25-27页 |
| 2.2.4 模糊决策树 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 出行数据收集与预处理 | 第29-56页 |
| 3.1 数据来源与数据预处理 | 第29-45页 |
| 3.1.1 数据来源 | 第30-40页 |
| 3.1.2 数据预处理 | 第40-45页 |
| 3.2 手机App数据与纸质调查数据的统计分析 | 第45-55页 |
| 3.2.1 手机App数据统计分析 | 第46-49页 |
| 3.2.2 纸质调查数据统计分析 | 第49-55页 |
| 3.3 本章小结 | 第55-56页 |
| 第4章 停留点识别研究 | 第56-78页 |
| 4.1 室内外活动点的差异性分析 | 第56-59页 |
| 4.1.1 室内停留点特征分析 | 第56-58页 |
| 4.1.2 室外停留点特征分析 | 第58-59页 |
| 4.2 双层结构的停留点识别方法 | 第59-68页 |
| 4.2.1 室内停留点识别 | 第61-65页 |
| 4.2.2 室外停留点识别 | 第65-68页 |
| 4.3 停留点结果优化及活动信息的获取 | 第68-76页 |
| 4.3.1 停留点重心求解 | 第68-69页 |
| 4.3.2 停留点合并及停留点信息提取 | 第69-72页 |
| 4.3.3 停留点识别结果 | 第72-76页 |
| 4.4 本章小结 | 第76-78页 |
| 第5章 出行目的识别 | 第78-96页 |
| 5.1 出行目的识别介绍 | 第78页 |
| 5.2 出行目的属性的分布分析 | 第78-85页 |
| 5.3 基于神经网络的出行目的识别 | 第85-95页 |
| 5.3.1 数据处理 | 第85-90页 |
| 5.3.2 神经网络初始化 | 第90-92页 |
| 5.3.3 识别结果分析 | 第92-95页 |
| 5.4 本章小结 | 第95-96页 |
| 第6章 出行方式识别 | 第96-107页 |
| 6.1 出行方式识别的介绍 | 第96页 |
| 6.2 不同出行方式的的特征分析 | 第96-97页 |
| 6.3 基于模糊决策树的出行方式识别 | 第97-101页 |
| 6.4 出行方式识别 | 第101-106页 |
| 6.5 本章小结 | 第106-107页 |
| 第7章 总结与展望 | 第107-112页 |
| 7.1 研究总结 | 第107-108页 |
| 7.2 工作展望 | 第108-112页 |
| 致谢 | 第112-113页 |
| 参考文献 | 第113-118页 |
| 攻读硕士学位期间发表的论文及参与的科研情况 | 第118-119页 |
| 附录 | 第119-126页 |