| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究意义 | 第11-13页 |
| 1.2.1 理论意义 | 第11-13页 |
| 1.2.2 实践意义 | 第13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 公交乘客通勤识别 | 第13-15页 |
| 1.3.2 职住空间特征研究 | 第15-17页 |
| 1.4 研究内容 | 第17-20页 |
| 1.4.1 主要内容 | 第17页 |
| 1.4.2 章节安排 | 第17-19页 |
| 1.4.3 技术路线 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第二章 数据分析及预处理 | 第21-36页 |
| 2.1 公交数据 | 第21-31页 |
| 2.1.1 公交IC卡刷卡数据 | 第21-23页 |
| 2.1.2 公交GPS定位数据 | 第23-25页 |
| 2.1.3 公交乘客上车站点匹配 | 第25-26页 |
| 2.1.4 公交乘客下车站点推断 | 第26-31页 |
| 2.2 POI兴趣点数据 | 第31-35页 |
| 2.2.1 网页数据解取技术 | 第32-34页 |
| 2.2.2 高德地图POI数据 | 第34-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 基于PSO_SVM的公交通勤识别模型 | 第36-54页 |
| 3.1 公交通勤识别模型的特征分析 | 第36-41页 |
| 3.1.1 特征提取及标准化 | 第36-40页 |
| 3.1.2 通勤问卷调查数据及统计 | 第40-41页 |
| 3.2 公交通勤识别的常用算法介绍 | 第41-49页 |
| 3.2.1 朴素贝叶斯 | 第42-43页 |
| 3.2.2 BP神经网络 | 第43-45页 |
| 3.2.3 决策树 | 第45-46页 |
| 3.2.4 支持向量机 | 第46-48页 |
| 3.2.5 各算法优缺点总结 | 第48-49页 |
| 3.3 基于PSO_SVM的公交通勤识别模型构建 | 第49-53页 |
| 3.3.1 PSO优化SVM算法 | 第49-52页 |
| 3.3.2 公交通勤识别模型构建 | 第52页 |
| 3.3.3 ROC曲线的模型评价方法 | 第52-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于公交通勤的城市职住空间研究 | 第54-66页 |
| 4.1 基于DBSCAN的公交通勤乘客职住站点判别模型 | 第54-57页 |
| 4.1.1 DBSCAN聚类算法介绍 | 第54-55页 |
| 4.1.2 基于DBSCAN的公交通勤乘客职住站点识别模型构建 | 第55-57页 |
| 4.2 交通小区划分 | 第57-59页 |
| 4.2.1 交通小区划分的影响因素及其原则 | 第57-58页 |
| 4.2.2 交通小区的划分流程 | 第58-59页 |
| 4.3 城市职住空间特征研究 | 第59-65页 |
| 4.3.1 公交职住空间指数 | 第59-60页 |
| 4.3.2 主成分分析及LASSO方法介绍 | 第60-64页 |
| 4.3.3 基于POI数据的职住空间影响因素模型构建 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 案例分析 | 第66-81页 |
| 5.1 数据分析及预处理结果 | 第66-70页 |
| 5.1.1 乘客上下车站点推断结果 | 第66-69页 |
| 5.1.2 POI数据预处理结果 | 第69-70页 |
| 5.2 基于PSO_SVM的公交乘客通勤识别模型 | 第70-73页 |
| 5.2.1 PSO_SVM与常用机器学习算法对比 | 第71-72页 |
| 5.2.2 基于PSO_SVM的公交乘客通勤识别结果 | 第72-73页 |
| 5.3 基于公交通勤的城市职住空间特征研究 | 第73-79页 |
| 5.3.1 交通小区划分结果 | 第73页 |
| 5.3.2 公交通勤乘客的职住站点识别结果 | 第73-75页 |
| 5.3.3 公交职住空间指数的结果分析 | 第75-77页 |
| 5.3.4 基于POI数据的职住空间影响因素模型 | 第77-79页 |
| 5.4 本章小结 | 第79-81页 |
| 第六章 结论与展望 | 第81-84页 |
| 6.1 研究成果 | 第81-82页 |
| 6.2 创新点 | 第82-83页 |
| 6.2.1 基于PSO_SVM的公交通勤识别模型 | 第82页 |
| 6.2.2 基于POI数据的职住空间影响因素模型 | 第82-83页 |
| 6.3 研究展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附件 | 第92页 |
