面向用户的停车诱导信息系统研究
摘要 | 第1-9页 |
ABSTRACT | 第9-11页 |
1 引言 | 第11-21页 |
·研究背景 | 第11-12页 |
·国内外城市PGIS 的发展和现状 | 第12-19页 |
·国外城市 PGIS 的发展和现状 | 第12-16页 |
·国内城市 PGIS 的发展和现状 | 第16-19页 |
·本章总结 | 第19-21页 |
2 面向用户的停车诱导信息系统的构建 | 第21-38页 |
·面向用户的PGIS 的目的 | 第21页 |
·面向用户的PGIS 的框架 | 第21-22页 |
·相关技术支持 | 第22-30页 |
·全球定位系统 | 第23-24页 |
·地理信息系统 | 第24-26页 |
·信息传输技术 | 第26-29页 |
·车载导航技术 | 第29-30页 |
·信息采集模块 | 第30-33页 |
·停车场数据 | 第31-32页 |
·驾驶人信息 | 第32页 |
·停车需求信息 | 第32-33页 |
·信息传输模块 | 第33-35页 |
·信息处理模块 | 第35页 |
·信息发布模块 | 第35-36页 |
·面向用户的PGIS 的意义 | 第36-38页 |
3 停车需求及特性分析 | 第38-50页 |
·停车行为调查对象、内容和方法 | 第38-39页 |
·停车需求的特性分析 | 第39-41页 |
·停车需求目的特性 | 第40页 |
·停车需求时间特性 | 第40-41页 |
·停车行为过程 | 第41-43页 |
·停车行为的影响因素 | 第43-50页 |
·停车收费的影响 | 第44-45页 |
·步行距离的影响 | 第45-46页 |
·便捷程度的影响 | 第46-47页 |
·停车信息的影响 | 第47页 |
·其它因素的影响 | 第47-50页 |
4 停车场有效泊位预测 | 第50-60页 |
·有效停车泊位的影响因素 | 第50页 |
·有效停车泊位预测及意义 | 第50页 |
·有效停车泊位的预测方法 | 第50-52页 |
·基于神经网络的时间序列预测方法 | 第52-53页 |
·BP 神经网络技术 | 第53-57页 |
·BP 神经网络模型结构 | 第53-54页 |
·BP 神经网络学习过程 | 第54-57页 |
·基于BP 神经网络的停车泊位率预测模型的实现 | 第57-60页 |
·训练样本的归一化 | 第57-58页 |
·BP 神经网络的训练 | 第58-59页 |
·BP 神经网络的预测 | 第59-60页 |
5 面向用户的PGIS 的停车场选择模型研究 | 第60-83页 |
·模型意义 | 第60-61页 |
·模型构思 | 第61-64页 |
·适用条件假设 | 第61页 |
·控制策略选择 | 第61页 |
·停车出行过程 | 第61-62页 |
·影响指标确定 | 第62-63页 |
·模型目标确立 | 第63-64页 |
·时间价值 | 第64-65页 |
·时间价值含义 | 第64页 |
·时间价值函数 | 第64-65页 |
·备选停车场的确定 | 第65-66页 |
·驾驶行程费用 | 第66-68页 |
·驾驶行程时间费用 | 第66-67页 |
·驾驶行程油耗费用 | 第67-68页 |
·停车泊位费用 | 第68-69页 |
·步行时间费用 | 第69-70页 |
·二次寻泊费用 | 第70-72页 |
·建立数学模型 | 第72-74页 |
·模型算法分析 | 第74-83页 |
·构建路网赋权有向图 | 第75-77页 |
·最短路径求解算法 | 第77-79页 |
·算法的分析与比较 | 第79-80页 |
·边标号算法 | 第80-81页 |
·算法逻辑框图 | 第81-83页 |
6 算例分析 | 第83-94页 |
·确定备选停车场 | 第84-85页 |
·路网赋权有向图 | 第85页 |
·确定最小行程费用 | 第85-88页 |
·确定二次寻泊费用 | 第88-91页 |
·确定停车泊位费用 | 第91-92页 |
·确定步行时间费用 | 第92-93页 |
·确定广义停车费用 | 第93-94页 |
7 总结与展望 | 第94-96页 |
·研究工作总结 | 第94页 |
·主要创新点 | 第94-95页 |
·不足与展望 | 第95-96页 |
参考文献 | 第96-101页 |
致谢 | 第101页 |