| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-26页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-23页 |
| 1.2.1 出租车研究数据综述 | 第13-15页 |
| 1.2.2 居民出行时空分布研究现状 | 第15-19页 |
| 1.2.3 出租车需求影响因素及需求预测模型研究现状 | 第19-20页 |
| 1.2.4 空间自相关及空间回归模型研究现状 | 第20-22页 |
| 1.2.5 小结 | 第22-23页 |
| 1.3 研究方法 | 第23-24页 |
| 1.4 研究内容及技术路线 | 第24-26页 |
| 1.4.1 主要研究内容 | 第24页 |
| 1.4.2 技术路线 | 第24-26页 |
| 第二章 出租车GPS数据预处理 | 第26-31页 |
| 2.1 数据来源与格式 | 第26-27页 |
| 2.2 数据预处理 | 第27-29页 |
| 2.2.1 数据清洗 | 第27-28页 |
| 2.2.2 坐标转换 | 第28-29页 |
| 2.3 出租车乘客出行信息提取 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于出租车GPS数据的居民出行特征分析 | 第31-54页 |
| 3.1 时间特征分析 | 第31-43页 |
| 3.1.1 日出行总量 | 第31-33页 |
| 3.1.2 各小时出行次数 | 第33-39页 |
| 3.1.3 工作日/休息日分时段出行时长分析 | 第39-42页 |
| 3.1.4 居民出行时间特征总结 | 第42-43页 |
| 3.2 空间特征分析 | 第43-53页 |
| 3.2.1 工作日/休息日全天出行热点 | 第43-46页 |
| 3.2.2 分时段出行热点 | 第46-53页 |
| 3.2.3 居民出行空间特征总结 | 第53页 |
| 3.3 本章小结 | 第53-54页 |
| 第四章 出租车客流空间自相关分析 | 第54-73页 |
| 4.1 空间相关性概念及其检验方法 | 第54-57页 |
| 4.1.1 空间相关性 | 第54页 |
| 4.1.2 检验方法 | 第54-57页 |
| 4.2 空间权重定义方法 | 第57-59页 |
| 4.3 出租车客流的空间自相关分析实例 | 第59-72页 |
| 4.3.1 确定检验统计量 | 第59-61页 |
| 4.3.2 全局空间自相关分析 | 第61-63页 |
| 4.3.3 局部空间自相关分析 | 第63-71页 |
| 4.3.4 结论与建议 | 第71-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 基于空间特性的出租车客流建模 | 第73-89页 |
| 5.1 空间回归分析方法 | 第73-78页 |
| 5.1.1 空间回归模型 | 第73-75页 |
| 5.1.2 SLM与SEM的选择 | 第75页 |
| 5.1.3 模型参数估计 | 第75-78页 |
| 5.2 基于空间特性的出租车客流建模实例 | 第78-88页 |
| 5.2.1 研究区域 | 第78-79页 |
| 5.2.2 变量选择及数据处理 | 第79-81页 |
| 5.2.3 空间相关性分析 | 第81-82页 |
| 5.2.4 线性回归 | 第82-85页 |
| 5.2.5 空间回归模型的选择 | 第85-86页 |
| 5.2.6 空间回归模型 | 第86-87页 |
| 5.2.7 结果讨论与分析 | 第87-88页 |
| 5.3 本章小结 | 第88-89页 |
| 第六章 结论与展望 | 第89-91页 |
| 6.1 主要结论 | 第89页 |
| 6.2 主要创新点 | 第89-90页 |
| 6.3 需要进一步研究的问题 | 第90-91页 |
| 参考文献 | 第91-96页 |
| 致谢 | 第96页 |