基于人群移动大数据的城市结构画像和动态感知
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与挑战 | 第11-13页 |
| 1.2 本文研究目标 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 国内外研究综述 | 第17-27页 |
| 2.1 人群移动大数据分析与应用 | 第17-21页 |
| 2.1.1 人群移动大数据特征 | 第17-18页 |
| 2.1.2 人群移动大数据的分析方法 | 第18-20页 |
| 2.1.3 人群移动大数据的应用 | 第20-21页 |
| 2.2 城市结构画像与动态感知相关研究 | 第21-25页 |
| 2.2.1 城市结构画像 | 第21-22页 |
| 2.2.2 城市动态感知 | 第22-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 城市结构画像 | 第27-47页 |
| 3.1 数据处理 | 第27-32页 |
| 3.1.1 数据获取及预处理 | 第27-30页 |
| 3.1.2 数据管理 | 第30-32页 |
| 3.2 城市区域网格化 | 第32-34页 |
| 3.2.1 网格化划分依据 | 第32-33页 |
| 3.2.2 网格化划分特点 | 第33-34页 |
| 3.2.3 结果展示 | 第34页 |
| 3.3 城市区域网格聚类 | 第34-44页 |
| 3.3.1 城市区域格子的时空流量特性 | 第35-36页 |
| 3.3.2 区域网格聚类算法 | 第36-41页 |
| 3.3.3 聚类结果分析 | 第41-44页 |
| 3.3.4 聚类区域的流量时空特性 | 第44页 |
| 3.4 本章小结 | 第44-47页 |
| 第四章 城市动态感知 | 第47-67页 |
| 4.1 异常流量检测算法 | 第47-56页 |
| 4.1.1 ARIMA异常检测算法 | 第47-53页 |
| 4.1.2 上下四分位异常检测算法 | 第53-54页 |
| 4.1.3 异常检测结果 | 第54-55页 |
| 4.1.4 算法性能评估 | 第55-56页 |
| 4.2 城市事件解译 | 第56-60页 |
| 4.2.1 确定区域POI点 | 第56-57页 |
| 4.2.2 搜索并解译城市事件 | 第57-60页 |
| 4.3 城市动态可视化展示 | 第60-66页 |
| 4.3.1 页面可视化展示技术 | 第60-61页 |
| 4.3.2 页面可视化展示结果 | 第61-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-71页 |
| 5.1 本文结论 | 第67-68页 |
| 5.2 本文的学术贡献 | 第68-69页 |
| 5.3 对今后研究的建议 | 第69-71页 |
| 参考文献 | 第71-79页 |
| 附录: 攻读硕士学位期间研究成果 | 第79-81页 |
| 致谢 | 第81-82页 |
