基于出租车轨迹数据的城市道路相关性分析方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 引言 | 第14-15页 |
| 1.2 本文课题来源 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-21页 |
| 1.3.1 轨迹数据可视分析研究现状 | 第18-20页 |
| 1.3.2 轨迹数据处理方法现状 | 第20-21页 |
| 1.4 本文研究内容 | 第21页 |
| 1.5 本章小结 | 第21-23页 |
| 第二章 相关理论与技术 | 第23-31页 |
| 2.1 可视分析相关概念 | 第23-24页 |
| 2.2 轨迹数据可视分析方法 | 第24页 |
| 2.3 word2vec的相关概念和方法 | 第24-29页 |
| 2.3.1 词向量原理介绍 | 第25-26页 |
| 2.3.2 word2vec相关技术特点 | 第26-29页 |
| 2.3.3 word2vec与交通数据结合 | 第29页 |
| 2.4 系统运行环境及技术路线 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于词向量的道路相关性分析方法 | 第31-40页 |
| 3.1 本文分析任务 | 第31-32页 |
| 3.2 本文所用数据形式 | 第32-34页 |
| 3.2.1 出租车GPS数据 | 第32页 |
| 3.2.2 道路数据 | 第32-33页 |
| 3.2.3 POI数据 | 第33-34页 |
| 3.3 road2vec分析方法流程 | 第34-39页 |
| 3.3.1 数据预处理 | 第34-37页 |
| 3.3.2 road2vec方法 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 可视分析系统 | 第40-47页 |
| 4.1 可视化视图 | 第40-45页 |
| 4.2 可视分析流程 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 实验及案例分析 | 第47-53页 |
| 5.1 邻近道路相关性分析 | 第47-49页 |
| 5.2 远距离道路相关性分析 | 第49-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-56页 |
| 6.1 全文总结 | 第53-54页 |
| 6.2 road2vec方法优劣分析 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第59-60页 |
