| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 论文的研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 Slugging共乘的研究现状 | 第11-12页 |
| 1.2.2 位置预测技术的研究现状 | 第12-15页 |
| 1.2.3 共乘群体发现的研究现状 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 共乘群体发现关键技术分析 | 第19-30页 |
| 2.1 共乘出行方式分析 | 第19-23页 |
| 2.1.1 共乘类型 | 第19-22页 |
| 2.1.2 共乘应用形式 | 第22-23页 |
| 2.2 出行特征识别技术 | 第23-27页 |
| 2.2.1 出行特征识别流程 | 第23-24页 |
| 2.2.2 停留点提取 | 第24-27页 |
| 2.3 相似用户发现技术 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于出行轨迹的位置预测方法 | 第30-49页 |
| 3.1 位置预测问题分析 | 第30-31页 |
| 3.2 出行轨迹模型构建 | 第31-36页 |
| 3.2.1 位置轨迹建模方法 | 第32-33页 |
| 3.2.2 语义轨迹建模方法 | 第33-36页 |
| 3.3 P-PPM位置预测方法 | 第36-48页 |
| 3.3.1 基于位置轨迹的预测方法 | 第37-40页 |
| 3.3.2 频繁语义轨迹的挖掘技术 | 第40-44页 |
| 3.3.3 位置预测算法设计 | 第44-48页 |
| 3.4 本章总结 | 第48-49页 |
| 第四章 基于位置预测的Slugging共乘群体发现方法 | 第49-61页 |
| 4.1 Slugging共乘出行 | 第49-50页 |
| 4.2 共乘群体发现模型 | 第50-55页 |
| 4.2.1 共乘群体发现问题描述 | 第50-52页 |
| 4.2.2 共乘群体发现模型构建 | 第52-55页 |
| 4.3 基于位置预测的共乘群体发现算法 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 实验及结果分析 | 第61-75页 |
| 5.1 实验数据集 | 第61-62页 |
| 5.2 位置预测算法性能分析 | 第62-69页 |
| 5.2.1 位置预测评价指标 | 第63页 |
| 5.2.2 位置预测实验结果分析 | 第63-69页 |
| 5.3 基于位置预测的共乘群体发现算法性能分析 | 第69-74页 |
| 5.3.1 共乘群体发现评价指标 | 第70页 |
| 5.3.2 共乘群体发现实验结果分析 | 第70-74页 |
| 5.4 本章小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 总结 | 第75-76页 |
| 展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |