基于精细化人群分类的公交路径选择模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 公交配流问题研究现状 | 第11-14页 |
| 1.2.2 数据挖掘方法研究现状 | 第14-15页 |
| 1.3 研究内容及技术路线 | 第15-17页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 数据采集与分析方法 | 第18-30页 |
| 2.1 数据规模 | 第18-21页 |
| 2.2 数据分析方法 | 第21-28页 |
| 2.2.1 公交数据处理 | 第21-25页 |
| 2.2.2 地铁数据处理 | 第25-27页 |
| 2.2.3 出行链数据处理 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 基于C&RT决策树的人群分类模型 | 第30-48页 |
| 3.1 决策树分类参数选择 | 第30页 |
| 3.2 参数指标计算 | 第30-35页 |
| 3.2.1 出发时刻 | 第31页 |
| 3.2.2 乘客起讫点 | 第31-32页 |
| 3.2.3 乘客出行目的 | 第32-34页 |
| 3.2.4 相关性检验 | 第34-35页 |
| 3.3 分类过程及结果 | 第35-39页 |
| 3.3.1 决策树分类过程 | 第35-38页 |
| 3.3.2 分类结果调优 | 第38-39页 |
| 3.4 各类人群选择路径特征分析 | 第39-45页 |
| 3.4.1 路径整体特征 | 第39-41页 |
| 3.4.2 换乘特征 | 第41-42页 |
| 3.4.3 公交出行特征 | 第42-44页 |
| 3.4.4 地铁出行特征 | 第44-45页 |
| 3.5 本章小结 | 第45-48页 |
| 第4章 基于BP神经网络的路径选择模型 | 第48-58页 |
| 4.1 基于BP神经网络的路径参数预测模型 | 第48-54页 |
| 4.1.1 预测模型简介 | 第48-51页 |
| 4.1.2 输出参数选择 | 第51-53页 |
| 4.1.3 预测模型搭建 | 第53-54页 |
| 4.2 基于“距离”值的路径选择预测模型 | 第54-57页 |
| 4.2.1 模型方法介绍 | 第54-55页 |
| 4.2.2 模型搭建 | 第55-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第5章 通州新城—CBD区域客流出行路径选择模型 | 第58-72页 |
| 5.1 通州区出行特征 | 第58-63页 |
| 5.1.1 公共交通基础设施特征 | 第58-61页 |
| 5.1.2 通州区客流出行特征 | 第61-63页 |
| 5.2 基于C&RT决策树人群分类 | 第63-64页 |
| 5.3 基于BP神经网络的路径预测 | 第64-70页 |
| 5.3.1 基于BP神经网络的参数预测 | 第64-66页 |
| 5.3.2 基于“距离”值的路径预测 | 第66-70页 |
| 5.4 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78-82页 |
| 攻读硕士学位期间所发表的学术论文 | 第82-84页 |
| 致谢 | 第84页 |
