| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究概况 | 第8-12页 |
| 1.2.1 公交运行状况评价方面 | 第8-10页 |
| 1.2.2 定位数据处理与应用方面 | 第10-11页 |
| 1.2.3 研究总结 | 第11-12页 |
| 1.3 研究目的和研究内容 | 第12-13页 |
| 1.4 技术路线及论文组织 | 第13-15页 |
| 第2章 定位数据处理方法及软件开发 | 第15-21页 |
| 2.1 数据来源 | 第15页 |
| 2.2 数据预处理 | 第15-16页 |
| 2.3 数据标准化 | 第16页 |
| 2.4 处理思路 | 第16-17页 |
| 2.5 处理流程 | 第17-19页 |
| 2.6 处理技巧 | 第19-20页 |
| 2.7 软件开发 | 第20页 |
| 2.8 本章小结 | 第20-21页 |
| 第3章 公交运行状况分析评价 | 第21-40页 |
| 3.1 基于大量定位数据的公交运行状况评价指标构建 | 第21-27页 |
| 3.1.1 评价指标体系构建的目的 | 第21页 |
| 3.1.2 评价指标体系构建的原则 | 第21-22页 |
| 3.1.3 公交运行的影响因素分析 | 第22页 |
| 3.1.4 基于大量定位数据的公交运行状况指标 | 第22-27页 |
| 3.2 公交运行状况可视化 | 第27-34页 |
| 3.2.1 基本概念 | 第27-28页 |
| 3.2.2 理论模型 | 第28页 |
| 3.2.3 公交运行状况可视化的意义 | 第28-29页 |
| 3.2.4 公交运行状况可视化成果 | 第29-34页 |
| 3.3 基于大数据的工作日高峰对公交运行的影响验证与量化方法 | 第34-39页 |
| 3.3.1 分析步骤 | 第35页 |
| 3.3.2 示例 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于公交运行状况分析评价的应用 | 第40-59页 |
| 4.1 公交运行问题分析与瓶颈识别 | 第40-45页 |
| 4.1.1 通过运行指标分析发现问题 | 第40-43页 |
| 4.1.2 通过“可视化图像”分析识别瓶颈 | 第43-45页 |
| 4.2 公交运行控制—“公交绿波” | 第45-52页 |
| 4.2.1 研究背景 | 第45-46页 |
| 4.2.2 “公交绿波”实现步骤 | 第46-49页 |
| 4.2.3 算法示例 | 第49-51页 |
| 4.2.4 基于“公交绿波”的公交运行控制方法 | 第51-52页 |
| 4.3 更为精确地公交车辆到站预测 | 第52-58页 |
| 4.3.1 公交车辆到站预报的技术分析 | 第53页 |
| 4.3.2 站点间运行稳定性分析 | 第53-57页 |
| 4.3.3 站点间运行稳定性分级 | 第57页 |
| 4.3.4 公交到站预报的步骤 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-62页 |
| 5.1 主要研究成果 | 第59-60页 |
| 5.2 主要创新点 | 第60页 |
| 5.3 研究展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表论文及参与科研情况 | 第66-67页 |
| 附录 | 第67-84页 |