| 中文摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-13页 |
| 1.2.1 早期基于调查问卷等人工调查方法的研究 | 第10-11页 |
| 1.2.2 城市智慧交通的支撑技术研究 | 第11-12页 |
| 1.2.3 基于空间统计方法的居民出行特征研究 | 第12页 |
| 1.2.4 基于时空数据挖掘的居民出行特征研究 | 第12页 |
| 1.2.5 基于复杂网络等出行行为角度出发的研究 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文实验的技术路线 | 第14-15页 |
| 1.5 本文结构组织 | 第15-16页 |
| 2 研究区概况及数据源 | 第16-22页 |
| 2.1 研究区概况 | 第16-19页 |
| 2.1.1 自然地理概况 | 第16-17页 |
| 2.1.2 社会经济概况 | 第17页 |
| 2.1.3 交通概况 | 第17-19页 |
| 2.2 数据源介绍 | 第19-22页 |
| 2.2.1 出租车轨迹数据 | 第19-20页 |
| 2.2.2 地铁、公交IC刷卡数据 | 第20-21页 |
| 2.2.3 城市道路路网与POI数据 | 第21-22页 |
| 3 公共交通数据的预处理及OD提取设计 | 第22-28页 |
| 3.1 提取出行OD的必要性 | 第22页 |
| 3.2 数据预处理 | 第22-24页 |
| 3.3 OD提取设计 | 第24-28页 |
| 3.3.1 基于轨迹特征点发现的出租车OD提取 | 第24-25页 |
| 3.3.2 地铁OD提取设计 | 第25-27页 |
| 3.3.3 公交OD处理 | 第27-28页 |
| 4 公共交通数据的OD提取 | 第28-32页 |
| 4.1 OD提取分析 | 第28页 |
| 4.2 出租车数据的OD提取 | 第28-31页 |
| 4.2.1 HadoopMapreduce工作原理 | 第28-29页 |
| 4.2.2 基于Mapreduce的出租车OD提取 | 第29-31页 |
| 4.3 地铁数据的OD提取 | 第31-32页 |
| 5 上海市居民出行的时空特征分析 | 第32-46页 |
| 5.1 上海市居民出行的时间特征分析 | 第32-35页 |
| 5.1.1 出租车OD的时间特征分析 | 第32页 |
| 5.1.2 地铁OD的时间特征分析 | 第32-33页 |
| 5.1.3 公交OD的时间特征分析 | 第33页 |
| 5.1.4 时间特征结论 | 第33-35页 |
| 5.2 上海市居民出行的空间特征分析 | 第35-46页 |
| 5.2.1 上海市居民出行空间特征的研究设计 | 第35-36页 |
| 5.2.2 核密度分析 | 第36-37页 |
| 5.2.3 分时段空间聚类特征分析 | 第37-44页 |
| 5.2.4 空间聚类结论 | 第44-46页 |
| 6 结论与展望 | 第46-49页 |
| 6.1 结论 | 第46-47页 |
| 6.2 不足与展望 | 第47-49页 |
| 6.2.1 本研究的局限性 | 第47页 |
| 6.2.2 居民出行时空特征相关的延伸研究 | 第47-48页 |
| 6.2.3 对于城市居民交通出行研究的展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间发表的学术论文 | 第53-55页 |
| 致谢 | 第55页 |