| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 大学生出行方式研究现状 | 第13-14页 |
| 1.2.2 基于便携式GPS的出行方式研究现状 | 第14-15页 |
| 1.2.3 基于智能手机GPS的出行方式研究现状 | 第15-18页 |
| 1.2.4 已有研究存在的问题 | 第18页 |
| 1.3 研究目的 | 第18-19页 |
| 1.4 研究内容与技术路线 | 第19-21页 |
| 1.4.1 研究内容 | 第19页 |
| 1.4.2 技术路线 | 第19-21页 |
| 第二章 收集大学生出行轨迹数据 | 第21-26页 |
| 2.1 大学生出行调查方式选择 | 第21-22页 |
| 2.2 调查方案的设计 | 第22-25页 |
| 2.2.1 基于智能手机GPS的出行调查形式选择 | 第22页 |
| 2.2.2 出行轨迹记录软件选择 | 第22-23页 |
| 2.2.3 大学生出行调查的流程 | 第23-25页 |
| 2.3 大学生出行调查实施 | 第25页 |
| 2.4 大学生出行调查经验总结 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 出行轨迹数据处理 | 第26-45页 |
| 3.1 GPS轨迹数据特征分析 | 第26-28页 |
| 3.1.1 原始数据 | 第26页 |
| 3.1.2 数据缺失 | 第26-28页 |
| 3.2 数据预处理 | 第28-32页 |
| 3.2.1 数据过滤 | 第28-30页 |
| 3.2.2 数据格式转换 | 第30-32页 |
| 3.3 出行段识别 | 第32-39页 |
| 3.3.1 出行段含义 | 第32-33页 |
| 3.3.2 出行段识别方法选择 | 第33-34页 |
| 3.3.3 基于两种GPS信号情况的出行段识别参数选择 | 第34-37页 |
| 3.3.4 出行段识别结果 | 第37-39页 |
| 3.4 出行特征变量提取 | 第39-43页 |
| 3.4.1 出行特征变量选择 | 第39-40页 |
| 3.4.2 验证出行特征变量的有效性 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于IPSO-SVM模型的出行方式识别 | 第45-64页 |
| 4.1 出行方式识别模型的选择 | 第45-46页 |
| 4.2 改进粒子群优化支持向量机（IPSO-SVM）模型 | 第46-55页 |
| 4.2.1 支持向量机原理 | 第46-50页 |
| 4.2.2 粒子群算法 | 第50-52页 |
| 4.2.3 改进粒子群优化支持向量机（IPSO-SVM） | 第52-55页 |
| 4.3 IPSO-SVM模型出行方式识别 | 第55-61页 |
| 4.4 PSO-SVM模型出行方式识别 | 第61-62页 |
| 4.5 与其他出行方式识别模型的对比 | 第62-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 论文总结 | 第64-65页 |
| 5.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士期间取得的成果 | 第72页 |
