智慧出行服務(wù)技術(shù)與方法

前　言
第1 章　智慧出行服務(wù)理念
1.1　智慧出行的概念與特征／ ００１
1.2　智慧出行服務(wù)的建設(shè)內(nèi)容／ ００５
1.3　智慧出行與智慧交通的關(guān)系／ ００９
１.３.１　智慧出行與智慧交通概念的發(fā)展／ ００９
１.３.２　智慧出行與智慧交通的內(nèi)在聯(lián)系／ ０１０
第2 章　面向智慧出行服務(wù)的個(gè)體出行畫(huà)像構(gòu)建技術(shù)
2.1 　個(gè)體出行畫(huà)像導(dǎo)入／ ０１１
2.2　基于居民調(diào)查數(shù)據(jù)的職住畫(huà)像構(gòu)建／ ０１２
2.3 　基于軌跡聚類算法的通勤路徑畫(huà)像識(shí)別／ ０１４
２.３.１　研究流程與框架／ ０１４
２.３.２　時(shí)空軌跡相似度／ ０１５
２.３.３　軌跡聚類的模型／ ０１７
２.３.４　實(shí)驗(yàn)驗(yàn)證／ ０１８
2.4 　基于車牌識(shí)別數(shù)據(jù)的通勤畫(huà)像構(gòu)建／ ０１９
２.４.１　車牌數(shù)據(jù)預(yù)處理／ ０２０
２.４.２　通勤車輛畫(huà)像構(gòu)建／ ０２５
2.5 　基于公交刷卡數(shù)據(jù)的乘行畫(huà)像構(gòu)建／ ０２８
２.５.１　公交刷卡數(shù)據(jù)處理／ ０２８
２.５.２　乘客上車站點(diǎn)匹配／ ０３１
２.５.３　乘客下車站點(diǎn)預(yù)測(cè)／ ０３１
2.6 　基于軌跡數(shù)據(jù)的密集路徑畫(huà)像構(gòu)建／ ０３５
２.６.１　時(shí)空軌跡相似度／ ０３６
２.６.２　軌跡聚類模型／ ０３７
２.６.３　潛在定制線路提取方法／ ０３９
２.６.４　實(shí)驗(yàn)驗(yàn)證／ ０３９
2.7 　出行畫(huà)像數(shù)據(jù)架構(gòu)和標(biāo)簽設(shè)計(jì)／ ０４３
２.７.１　數(shù)據(jù)框架及開(kāi)發(fā)環(huán)境／ ０４３
２.７.２　數(shù)據(jù)標(biāo)簽體系／ ０４４
第3 章　面向出行服務(wù)的交通需求優(yōu)化技術(shù)
3.1 　出行特征表達(dá)與萃取技術(shù)／ ０４７
３.１.１　出行特征指標(biāo)體系構(gòu)建／ ０４７
３.１.２　出行特征萃取技術(shù)／ ０５１
３.１.３　出行特征概率圖模型框架和提取方法／ ０５６
３.１.４　出行特征可視化／ ０６７
3.2　多尺度交通態(tài)勢(shì)演變推演技術(shù)／ ０６９
３.２.１　交通態(tài)勢(shì)演變推演思路整體設(shè)計(jì)／ ０６９
３.２.２　多尺度交通態(tài)勢(shì)演變推演體系／ ０７１
3.3 　交通出行需求優(yōu)化與引導(dǎo)技術(shù)／ ０９０
第4 章　基于大數(shù)據(jù)挖掘的出行激勵(lì)服務(wù)技術(shù)
4.1 　激勵(lì)出行措施概述／ ０９２
4.2　出行方式?jīng)Q策機(jī)制及關(guān)鍵影響要素挖掘／ ０９２
４.２.１　北京交通綠色出行一體化服務(wù)平臺(tái)數(shù)據(jù)挖掘／ ０９２
４.２.２　其他ＡＰＰ 數(shù)據(jù)挖掘／ ０９３
4.3 　面向系統(tǒng)最優(yōu)的激勵(lì)措施優(yōu)化方法／ ０９４
４.３.１　激勵(lì)效果評(píng)價(jià)模型／ ０９４
４.３.２　出行激勵(lì)策略庫(kù)設(shè)計(jì)／ ０９５
第5 章　面向出行服務(wù)的交通資源動(dòng)態(tài)調(diào)度技術(shù)
5.1 　基于供需失衡致因挖掘的多方式出行資源協(xié)同調(diào)配技術(shù)／ １００
５.１.１　交通供需失衡單元識(shí)別及致因挖掘／ １０１
５.１.２　多方式出行資源協(xié)同調(diào)配方法／ １０４
5.2　重要節(jié)點(diǎn)交通時(shí)空一體化智慧管控技術(shù)／ １２０
５.２.１　交叉口多方式綜合效率測(cè)算模型構(gòu)建／ １２０
５.２.２　面向出行服務(wù)的公交主動(dòng)優(yōu)先技術(shù)／ １３０
5.3 　特殊或異常交通需求下多方式出行協(xié)同誘導(dǎo)技術(shù)／ １３９
５.３.１　異常交通需求識(shí)別／ １３９
５.３.２　特殊或異常交通需求影響范圍及持續(xù)時(shí)間／ １４３
５.３.３　誘導(dǎo)信息下出行者行為選擇分析及建模／ １５０
５.３.４　誘導(dǎo)信息的多方式組合發(fā)布／ １５３
第6 章　面向復(fù)合網(wǎng)絡(luò)的個(gè)體出行方案規(guī)劃技術(shù)
6.1 　復(fù)合網(wǎng)絡(luò)的表達(dá)模型／ １５６
６.１.１　復(fù)合交通網(wǎng)絡(luò)拓?fù)洌?１５６
６.１.２　方式網(wǎng)絡(luò)層構(gòu)建／ １５８
6.2　基于復(fù)合網(wǎng)絡(luò)的可行組合路徑生成技術(shù)／ １５８
６.２.１　復(fù)合網(wǎng)絡(luò)的路段表達(dá)／ １５８
６.２.２　復(fù)合路徑的表達(dá)／ １５９
6.3 　組合路徑出行廣義成本測(cè)算方法／ １６０
６.３.１　行駛段出行成本／ １６０
６.３.２　轉(zhuǎn)換段轉(zhuǎn)換成本／ １６３
６.３.３　方式鏈出行成本／ １６３
6.4 　基于用戶畫(huà)像的出行前靜態(tài)方案匹配技術(shù)／ １６３
６.４.１　出行組合方案優(yōu)化／ １６３
６.４.２　出行偏好與模式識(shí)別／ １６８
第7 章　基于實(shí)時(shí)交通信息的出行方案動(dòng)態(tài)調(diào)整技術(shù)
7.1 　出行路徑動(dòng)態(tài)優(yōu)化方法邏輯框架／ １７３
7.2　實(shí)時(shí)動(dòng)態(tài)信息影響的行程時(shí)間預(yù)測(cè)方法／ １７４
７.２.１　模型輸入與數(shù)據(jù)處理／ １７６
７.２.２　域轉(zhuǎn)換器構(gòu)建方法／ １７８
７.２.３　基于復(fù)合鄰接矩陣的圖卷積網(wǎng)絡(luò)設(shè)計(jì)／ １７９
7.3　基于潛在語(yǔ)義知識(shí)蒸餾的動(dòng)態(tài)交通事件實(shí)時(shí)識(shí)別方法／ １８０
７.３.１　語(yǔ)義知識(shí)蒸餾研究背景／ １８２
７.３.２　基于對(duì)比學(xué)習(xí)潛在語(yǔ)義知識(shí)蒸餾方法框架／ １８２
第8 章　出行服務(wù)評(píng)價(jià)技術(shù)
8.1 　出行服務(wù)評(píng)價(jià)策略／ １８７
8.2　出行服務(wù)評(píng)價(jià)指標(biāo)體系及測(cè)算方法／ １８９
８.２.１　服務(wù)感知－ 期望聚合模型／ １８９
８.２.２　服務(wù)感知聚合模型／ １９０
８.２.３　服務(wù)感知分解模型／ １９０
８.２.４　服務(wù)感知－ 期望分解模型／ １９１
8.3 　出行服務(wù)評(píng)價(jià)反饋機(jī)制／ １９１
參考文獻(xiàn)／ １９３