| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 概述 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 行程时间预测研究的国内外研究现状 | 第11-13页 |
| 1.2.2 物流在途时间预测现状 | 第13-14页 |
| 1.3 研究内容 | 第14-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 物流在途数据采集和处理 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 基于GPS-GIS-GSM的物流在途信息采集 | 第18-19页 |
| 2.3 数据清洗 | 第19-27页 |
| 2.3.1 从冗余的行程信息中截取行程数据 | 第20-23页 |
| 2.3.2 缺失值处理 | 第23-24页 |
| 2.3.3 地图匹配和异常数据处理 | 第24-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于时间序列分析和空间连续性的行程时间预测模型 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 基于时间序列分析行程时间预测模型 | 第29-34页 |
| 3.3 基于空间连续性行程时间预测模型 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于分治策略和时空间相关性的物流在途时间预测模型 | 第39-56页 |
| 4.1 引言 | 第39页 |
| 4.2 时空相关性在行程时间预测中的应用 | 第39页 |
| 4.3 基于时空相关性的物流在途时间预测模型 | 第39-46页 |
| 4.3.1 基于时空相关性的车辆行驶状态矩阵模型 | 第39-44页 |
| 4.3.2 基于VDSM的物流在途时间预测模型 | 第44-46页 |
| 4.4 基于分治策略的物流在途时间预测实验 | 第46-55页 |
| 4.4.1 使用环境及数据源介绍 | 第47-49页 |
| 4.4.2 实验评价标准 | 第49-50页 |
| 4.4.3 实验结果及分析 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于分治策略和LSTM的物流在途时间预测模型 | 第56-70页 |
| 5.1 引言 | 第56页 |
| 5.2 LSTM模型相关理论 | 第56-59页 |
| 5.3 VDSM-LSTM物流在途时间预测组合模型 | 第59-63页 |
| 5.3.1 基于LSTM的行程时间预测一般模型 | 第59-60页 |
| 5.3.2 基于VDSM-LSTM的行程时间预测组合模型 | 第60-63页 |
| 5.4 基于分治策略的行程时间预测实验 | 第63-68页 |
| 5.4.1 实验环境和实验数据 | 第63页 |
| 5.4.2 实验评价标准 | 第63-64页 |
| 5.4.3 实验结果及分析 | 第64-68页 |
| 5.5 本章小结 | 第68-70页 |
| 第6章 总结和展望 | 第70-72页 |
| 6.1 全文总结 | 第70-71页 |
| 6.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间的研究成果 | 第78页 |
