基于多源时空数据的深圳市居民职住分布和通勤特征研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目标与意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 传统的职住空间研究 | 第12-13页 |
| 1.3.2 大数据时代下的职住空间研究 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 数据描述与预处理 | 第16-24页 |
| 2.1 研究区域介绍 | 第16页 |
| 2.2 数据源与预处理 | 第16-23页 |
| 2.2.1 手机定位数据 | 第16-18页 |
| 2.2.2 T平台社交数据 | 第18-21页 |
| 2.2.3 辅助数据源 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 不同数据源的职住地识别方法 | 第24-33页 |
| 3.1 基于手机定位数据的职住地识别方法 | 第24-30页 |
| 3.1.1 基站覆盖范围估计方法和改进 | 第24-27页 |
| 3.1.2 职住地识别方法流程 | 第27-30页 |
| 3.2 基于T平台社交数据的职住地识别方法 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 职住分布和通勤特征分析与验证 | 第33-58页 |
| 4.1 职住地扩样 | 第33-34页 |
| 4.2 职住人口分布特征 | 第34-42页 |
| 4.2.1 多尺度识别效果对比 | 第34-36页 |
| 4.2.2 职住地空间分布特征 | 第36-42页 |
| 4.3 通勤特征分析与验证 | 第42-52页 |
| 4.3.1 通勤距离 | 第42-46页 |
| 4.3.2 通勤OD矩阵分析验证 | 第46-50页 |
| 4.3.3 通勤网络特征 | 第50-52页 |
| 4.4 样本有偏性分析 | 第52-55页 |
| 4.5 不同数据的优缺点 | 第55-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第5章 融合手机数据和T平台社交数据的方法 | 第58-65页 |
| 5.1 基本思路 | 第58-60页 |
| 5.2 方法与实验结果分析 | 第60-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-68页 |
| 6.1 主要工作及结论 | 第65-67页 |
| 6.2 不足与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间主要研究成果 | 第72-73页 |
| 致谢 | 第73页 |
