基于大规模手机定位数据的居民活动链挖掘方法
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 引言 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 研究数据源现状 | 第12-14页 |
| 1.2.2 活动停留区域识别的研究现状 | 第14-15页 |
| 1.2.3 活动目的挖掘的研究现状 | 第15-17页 |
| 1.3 研究内容及论文架构 | 第17-19页 |
| 1.4 研究创新点 | 第19-21页 |
| 第2章 手机定位数据特征介绍 | 第21-29页 |
| 2.1 手机定位数据生成原理 | 第21-23页 |
| 2.2 手机定位数据的数据特征 | 第23-24页 |
| 2.2.1 手机定位数据的时间精度特征 | 第23页 |
| 2.2.2 手机定位数据的空间精度特征 | 第23-24页 |
| 2.3 噪声数据特征及数据清洗方案 | 第24-29页 |
| 2.3.1 震荡点数据特征 | 第25-26页 |
| 2.3.2 漂移点数据特征 | 第26-27页 |
| 2.3.3 无效及冗余数据特征 | 第27页 |
| 2.3.4 数据清洗方案 | 第27-29页 |
| 第3章 活动停留区域识别方法 | 第29-37页 |
| 3.1 基本定义 | 第29-30页 |
| 3.2 聚类规则 | 第30-34页 |
| 3.3 算法流程 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 活动目的挖掘方法 | 第37-43页 |
| 4.1 基本定义 | 第37-38页 |
| 4.2 活动目的推断过程 | 第38-41页 |
| 4.2.1 活动时间特征 | 第38-40页 |
| 4.2.2 活动空间特征 | 第40页 |
| 4.2.3 活动目的推断 | 第40-41页 |
| 4.3 算法流程 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 居民活动链挖掘的实验及结果分析 | 第43-69页 |
| 5.1 研究区域及研究数据源介绍 | 第43-49页 |
| 5.1.1 研究区域 | 第43-44页 |
| 5.1.2 小规模标注数据集 | 第44-46页 |
| 5.1.3 大规模无标注数据集 | 第46页 |
| 5.1.4 辅助数据集 | 第46-49页 |
| 5.2 居民活动停留区域识别 | 第49-57页 |
| 5.2.1 算法评价体系 | 第49-50页 |
| 5.2.2 参数设置 | 第50-52页 |
| 5.2.3 算法结果比较 | 第52-55页 |
| 5.2.4 个体活动停留区域的时空分布分析 | 第55-57页 |
| 5.3 居民活动目的挖掘 | 第57-62页 |
| 5.3.1 居民出行网络结构分析 | 第57-59页 |
| 5.3.2 居民活动模式分析 | 第59-61页 |
| 5.3.3 个体活动的时间分布分析 | 第61-62页 |
| 5.4 数据资源对模型的影响 | 第62-66页 |
| 5.4.1 活动时空特征对活动目的推断的影响 | 第62-65页 |
| 5.4.2 数据规模对活动目的推断的影响 | 第65-66页 |
| 5.5 本章小结 | 第66-69页 |
| 第6章 研究结论及展望 | 第69-75页 |
| 6.1 研究结论 | 第69-71页 |
| 6.2 研究展望 | 第71-75页 |
| 参考文献 | 第75-83页 |
| 附录 | 第83-85页 |
| 致谢 | 第85-87页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第87-88页 |
