摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景及意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 手机数据在交通领域的发展现状 | 第11-14页 |
1.2.2 手机信令数据在出行特征的研究现状 | 第14页 |
1.2.3 国内外研究现状分析小结 | 第14-15页 |
1.3 研究内容 | 第15-16页 |
1.4 研究方法与技术路线 | 第16-17页 |
1.5 本章小结 | 第17-18页 |
第二章 手机信令数据采集与处理的一般方法 | 第18-28页 |
2.1 LTE移动通信系统原理 | 第18-20页 |
2.1.1 系统发展及运行原理 | 第18-20页 |
2.1.2 LTE系统主要技术特征 | 第20页 |
2.2 手机定位技术方法 | 第20-22页 |
2.2.1 Cell-ID定位法 | 第21页 |
2.2.2 手机切换定位法 | 第21-22页 |
2.3 手机信令数据处理分析 | 第22-27页 |
2.3.1 信令数据获取原理 | 第22-24页 |
2.3.2 信令数据特征分析 | 第24-25页 |
2.3.3 信令数据预处理 | 第25-27页 |
2.3.4 数据扩样 | 第27页 |
2.4 本章小结 | 第27-28页 |
第三章 区域通道出行特征分析 | 第28-41页 |
3.1 出行 | 第28-30页 |
3.1.1 一次出行 | 第28-29页 |
3.1.2 手机出行 | 第29-30页 |
3.2 出行特征主要量化指标 | 第30-33页 |
3.2.1 出行次数 | 第30页 |
3.2.2 出行时间分布 | 第30-31页 |
3.2.3 出行空间分布 | 第31页 |
3.2.4 出行方式分布 | 第31-32页 |
3.2.5 影响用户出行因素 | 第32-33页 |
3.3 适用性分析 | 第33页 |
3.4 应用性分析 | 第33-40页 |
3.4.1 交通规划应用 | 第33-36页 |
3.4.2 公众出行应用 | 第36-38页 |
3.4.3 管理部门决策应用 | 第38-40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于手机信令的区域通道出行特征提取算法研究 | 第41-58页 |
4.1 技术实现框架 | 第41-42页 |
4.2 通道出行识别原理 | 第42-44页 |
4.2.1 方法选取 | 第42-43页 |
4.2.2 识别原理 | 第43-44页 |
4.3 通道用户出行特征提取算法 | 第44-51页 |
4.3.1 出行相关数据筛选 | 第45-47页 |
4.3.2 出行轨迹处理 | 第47-51页 |
4.4 出行用户信令特征指标提取 | 第51-55页 |
4.4.1 出行用户判断 | 第51-52页 |
4.4.2 通勤出行判断 | 第52-53页 |
4.4.3 出行时空分布 | 第53-54页 |
4.4.4 出行方式判断 | 第54-55页 |
4.5 数据扩样技术 | 第55-57页 |
4.6 本章小结 | 第57-58页 |
第五章 案例应用分析 | 第58-87页 |
5.1 区域通道案例概况 | 第58-60页 |
5.1.1 案例背景 | 第58-59页 |
5.1.2 数据来源及处理 | 第59-60页 |
5.2 通道出行总量提取 | 第60-68页 |
5.2.1 出行总量分布 | 第60-65页 |
5.2.2 通勤出行总量 | 第65-68页 |
5.3 通道出行强度分析 | 第68-70页 |
5.3.1 人均出行次数 | 第68-69页 |
5.3.2 通勤出行次数 | 第69-70页 |
5.4 通道出行时间分析 | 第70-79页 |
5.4.1 全日出行 | 第71-75页 |
5.4.2 早晚高峰出行 | 第75-78页 |
5.4.3 工作日出行 | 第78-79页 |
5.4.4 非工作日出行 | 第79页 |
5.5 通道出行空间分析 | 第79-83页 |
5.5.1 OD矩阵及期望线 | 第79-81页 |
5.5.2 方向不均匀性分析 | 第81-83页 |
5.6 通道出行方式分析 | 第83-85页 |
5.7 本章小结 | 第85-87页 |
第六章 结论与展望 | 第87-89页 |
6.1 研究结论 | 第87-88页 |
6.2 研究展望 | 第88-89页 |
致谢 | 第89-90页 |
参考文献 | 第90-94页 |
附录 | 第94-99页 |
攻读学位期间取得的研究成果 | 第99页 |