| 本论文创新点 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1. 绪论 | 第16-34页 |
| 1.1. 研究背景与意义 | 第16-18页 |
| 1.1.1. 网络约束与城市点事件 | 第16-17页 |
| 1.1.2. 机动车碰撞与空间分析 | 第17-18页 |
| 1.2. 研究现状与存在问题 | 第18-29页 |
| 1.2.1. 网络约束点格局分析的理论发展 | 第18-22页 |
| 1.2.2.网络约束点格局分析的典型应用现状 | 第22-26页 |
| 1.2.3. 机动车碰撞研究现状 | 第26-28页 |
| 1.2.4.存在的问题 | 第28-29页 |
| 1.3. 研究思路与内容 | 第29-34页 |
| 1.3.1. 研究目标与内容 | 第29-31页 |
| 1.3.2. 研究思路 | 第31页 |
| 1.3.3. 论文组织安排 | 第31-34页 |
| 2. 平面点格局分析与网络约束点格局分析 | 第34-48页 |
| 2.1. 空间点格局与点空间过程 | 第34-38页 |
| 2.1.1. 空间点格局 | 第34-37页 |
| 2.1.2. 空间点过程 | 第37-38页 |
| 2.2. 空间点格局分析方法 | 第38-42页 |
| 2.2.1. 空间点格局的描述 | 第40-41页 |
| 2.2.2. 空间点格局的统计推断 | 第41-42页 |
| 2.3. 网络约束点格局分析 | 第42-46页 |
| 2.3.1. 网络约束建模 | 第42-44页 |
| 2.3.2. 网络约束空间点过程 | 第44-45页 |
| 2.3.3. 网络约束点格局分析 | 第45-46页 |
| 2.4. 本章小结 | 第46-48页 |
| 3. 网络约束点事件的空间格局分析模型 | 第48-67页 |
| 3.1. 网络约束一阶空间分布探测模型 | 第48-51页 |
| 3.1.1. 网络最邻近距离方法 | 第48页 |
| 3.1.2. 网络核密度估计方法 | 第48-51页 |
| 3.2. 网络约束二阶空间分布探测模型 | 第51-56页 |
| 3.2.1. 基于事件的网络约束局部聚类统计量 | 第52-53页 |
| 3.2.2. 基于链的网络约束局部聚类统计量 | 第53-56页 |
| 3.3. 网络约束点空间分布模拟及探测 | 第56-66页 |
| 3.3.1. 网络约束点分布模拟及验证 | 第56-61页 |
| 3.3.2. 网络约束点分布探测方法对比分析 | 第61-66页 |
| 3.4. 本章小结 | 第66-67页 |
| 4. 机动车碰撞点事件格局分析 | 第67-92页 |
| 4.1. 机动车碰撞热点探测 | 第67-71页 |
| 4.1.1. 传统热点探测 | 第67-69页 |
| 4.1.2. 基于网络空间模型的热点探测 | 第69-71页 |
| 4.2. 研究数据 | 第71-73页 |
| 4.2.1. 研究区域 | 第71-73页 |
| 4.2.2. 数据来源及数据处理 | 第73页 |
| 4.3. 机动车碰撞点事件空间化 | 第73-74页 |
| 4.4. 机动车碰撞点事件的网络空间一阶分布探测 | 第74-80页 |
| 4.4.1. 基于网络最邻近距离的机动车碰撞格局分析 | 第74-75页 |
| 4.4.2. 基于网络核密度估计的机动车碰撞格局分析 | 第75-80页 |
| 4.5. 机动车碰撞点事件的网络空间二阶分布探测 | 第80-90页 |
| 4.5.1. 基于链的机动车碰撞热点探测 | 第80-84页 |
| 4.5.2. 基于组合方法的机动车碰撞热点路段探测 | 第84-90页 |
| 4.6. 本章小结 | 第90-92页 |
| 5. 机动车碰撞点事件因素发现 | 第92-115页 |
| 5.1. 机动车碰撞因素初探 | 第92-95页 |
| 5.1.1. 城市道路机动车碰撞因素 | 第92-94页 |
| 5.1.2. 城市道路机动车碰撞因素分析方法 | 第94-95页 |
| 5.2. 机动车碰撞指标的统计特征分析 | 第95-101页 |
| 5.2.1. 机动车碰撞总体概况 | 第95页 |
| 5.2.2. 机动车碰撞时间分布 | 第95-98页 |
| 5.2.3. 机动车碰撞类型与原因分布 | 第98-100页 |
| 5.2.4. 机动车碰撞与环境分布 | 第100-101页 |
| 5.3. 基于混合法的机动车碰撞点事件因素发现方法 | 第101-105页 |
| 5.3.1. 问题提出 | 第101-102页 |
| 5.3.2. 邻域粗糙集-人工神经网络的非空间属性约简 | 第102-105页 |
| 5.3.3. Logistic回归模型 | 第105页 |
| 5.4. 基于混合法的机动车碰撞因素发现实例分析 | 第105-114页 |
| 5.4.1. 技术方案 | 第105-106页 |
| 5.4.2. 数据及数据预处理 | 第106-107页 |
| 5.4.3. 邻域粗糙集-人工神经网络属性约简结果与分析 | 第107-110页 |
| 5.4.4. Logistic回归模型的结果与分析 | 第110-114页 |
| 5.5. 本章小结 | 第114-115页 |
| 6. 总结 | 第115-119页 |
| 6.1. 论文总结 | 第115-117页 |
| 6.2. 主要贡献和创新点 | 第117页 |
| 6.3. 研究展望 | 第117-119页 |
| 参考文献 | 第119-129页 |
| 攻博期间发表的科研成果及目录 | 第129-130页 |
| 致谢 | 第130页 |
