城市公交车辆到站时间预测方法研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外公交到站时间预测现状 | 第11-16页 |
| 1.2.1 国内外公交到站时间预测应用现状 | 第11-13页 |
| 1.2.1.1 国外应用现状 | 第11-12页 |
| 1.2.1.2 国内应用现状 | 第12-13页 |
| 1.2.2 国内外公交到站时间预测理论研究现状 | 第13-16页 |
| 1.2.2.1 国外公交到站时间预测理论研究 | 第13-14页 |
| 1.2.2.2 国内公交到站时间预测理论研究 | 第14-16页 |
| 1.3 研究内容和技术路线 | 第16-19页 |
| 第二章 公交车辆到站时间分析和数据预处理 | 第19-34页 |
| 2.1 公交车辆运行特性分析 | 第19-21页 |
| 2.1.1 公交车辆路段运行特性 | 第19-20页 |
| 2.1.2 公交车辆停靠站运行特性 | 第20-21页 |
| 2.1.2.1 减速进站 | 第20页 |
| 2.1.2.2 站内停靠 | 第20-21页 |
| 2.1.2.3 加速出站 | 第21页 |
| 2.1.3 公交车交叉口运行特性 | 第21页 |
| 2.2 公交车辆到站时间影响因素分析 | 第21-27页 |
| 2.2.1 路段行驶时间影响因素分析 | 第21-22页 |
| 2.2.2 公交站点停靠时间影响因素分析 | 第22-26页 |
| 2.2.3 交叉口通行时间分析 | 第26-27页 |
| 2.3 数据采集及处理 | 第27-33页 |
| 2.3.1 基础数据的采集 | 第27页 |
| 2.3.2 公交车GPS数据的预处理 | 第27-31页 |
| 2.3.2.1 数据误差分析 | 第29-30页 |
| 2.3.2.2 数据处理 | 第30-31页 |
| 2.3.3 公交线路信息采集及预处理 | 第31页 |
| 2.3.3.1 公交线路信息采集 | 第31页 |
| 2.3.3.2 公交线路离散化处理 | 第31页 |
| 2.3.4 公交GPS数据与公交线路的信息匹配 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 公交车辆到站时间的相关预测方法 | 第34-45页 |
| 3.1 公交车辆到站时间预测方法 | 第34-44页 |
| 3.1.1 基于历史数据预测模型 | 第34页 |
| 3.1.2 回归预测模型 | 第34-35页 |
| 3.1.3 时间序列预测方法基本原理 | 第35-37页 |
| 3.1.4 支持向量机算法原理 | 第37-41页 |
| 3.1.5 卡尔曼滤波模型 | 第41-42页 |
| 3.1.6 人工神经网络模型原理 | 第42-43页 |
| 3.1.7 组合预测模型 | 第43-44页 |
| 3.2 本章小结 | 第44-45页 |
| 第四章 公交车辆到站时间预测模型建立 | 第45-54页 |
| 4.1 公交车到站时间初始预测模型 | 第45-49页 |
| 4.1.1 公交车辆路段行程时间预测模型 | 第45-47页 |
| 4.1.2 公交车辆停靠站停靠时间预测模型 | 第47-48页 |
| 4.1.3 公交车辆交叉口通行时间预测模型 | 第48-49页 |
| 4.2 基于卡尔曼滤波的公交车到站时间预测模型 | 第49-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 预测模型实例验证及信息发布框架研究 | 第54-82页 |
| 5.1 实例验证 | 第54-80页 |
| 5.1.1 实验数据来源 | 第54-56页 |
| 5.1.2 实例线路及调查数据说明 | 第56-64页 |
| 5.1.3 公交车到站时间预测结果及误差分析 | 第64-80页 |
| 5.2 信息发布框架 | 第80-81页 |
| 5.2.1 预测信息发布 | 第80页 |
| 5.2.2 预测时间信息应用流程 | 第80-81页 |
| 5.3 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 论文主要工作 | 第82-83页 |
| 6.2 研究展望 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 个人简历 | 第87-88页 |
| 致谢 | 第88页 |
