基于移动数据的旅游行为模式挖掘
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与目的 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 轨迹移动数据与行为分析相关技术 | 第15-25页 |
| 2.1 轨迹移动数据挖掘 | 第15-21页 |
| 2.1.1 人群移动性分析 | 第15-17页 |
| 2.1.2 轨迹相似度度量 | 第17-19页 |
| 2.1.3 团体模式识别 | 第19-21页 |
| 2.1.4 交通方式识别 | 第21页 |
| 2.2 分布式计算框架 | 第21-24页 |
| 2.2.1 Spark计算框架 | 第22-23页 |
| 2.2.2 HDFS分布式文件系统 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 游客层次分类框架的设计与实现 | 第25-37页 |
| 3.1 需求分析及挑战 | 第25-26页 |
| 3.2 游客层次分类框架 | 第26-31页 |
| 3.2.1 数据预处理 | 第27-30页 |
| 3.2.2 层次分类 | 第30-31页 |
| 3.3 游客行为特征及偏好 | 第31-36页 |
| 3.3.1 游客时空特征 | 第31-35页 |
| 3.3.2 游客旅游偏好 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 团体游客识别与偏好分析 | 第37-58页 |
| 4.1 团体识别研究难点 | 第37-39页 |
| 4.2 基于相似度的团体识别算法流程 | 第39-40页 |
| 4.3 算法设计与实现 | 第40-50页 |
| 4.3.1 时空轨迹快照 | 第40-41页 |
| 4.3.2 候选团体发现 | 第41-43页 |
| 4.3.3 相似性度量 | 第43-47页 |
| 4.3.4 游客团体识别 | 第47-50页 |
| 4.4 海南游客团体识别实验 | 第50-57页 |
| 4.4.1 参数设置 | 第50-51页 |
| 4.4.2 不同方法的团体识别结果对比 | 第51-52页 |
| 4.4.3 团体游客和散客不同点对比分析 | 第52-56页 |
| 4.4.4 团体游客和散客共性行为分析 | 第56-57页 |
| 4.5 本章小节 | 第57-58页 |
| 第五章 游客交通模式识别 | 第58-68页 |
| 5.1 城际交通方式识别算法 | 第58-64页 |
| 5.1.1 轨迹筛选 | 第59-60页 |
| 5.1.2 轨迹特征提取 | 第60-63页 |
| 5.1.3 轨迹聚类 | 第63-64页 |
| 5.2 团体游客城际交通方式识别 | 第64-67页 |
| 5.3 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 总结 | 第68页 |
| 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间取得的研究成果 | 第75页 |
