基于粒子滤波的公交车辆到站时间预测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外公交车辆到站预测现状 | 第12-17页 |
| 1.2.1 国内外预测系统应用现状 | 第12-14页 |
| 1.2.2 国内外理论研究现状 | 第14-17页 |
| 1.3 论文内容及结构安排 | 第17-20页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 结构安排 | 第18-20页 |
| 2 公交车辆到站时间相关预测理论及影响因素 | 第20-30页 |
| 2.1 相关预测理论 | 第20-26页 |
| 2.2 公交车辆到站时间影响因素 | 第26-27页 |
| 2.3 本章小结 | 第27-30页 |
| 3 公交数据的采集与处理 | 第30-44页 |
| 3.1 公交车辆GPS数据采集及预处理 | 第30-36页 |
| 3.1.1 数据采集设备 | 第30页 |
| 3.1.2 数据传输协议和格式 | 第30-32页 |
| 3.1.3 数据误差分析 | 第32-33页 |
| 3.1.4 数据插值处理 | 第33-36页 |
| 3.2 公交线路信息采集及预处理 | 第36-40页 |
| 3.2.1 公交线路信息采集工具 | 第36-37页 |
| 3.2.2 公交线路离散化处理 | 第37-40页 |
| 3.3 公交GPS数据与公交线路信息的匹配 | 第40-43页 |
| 3.3.1 公交GPS数据与公交站点的匹配 | 第40-41页 |
| 3.3.2 公交GPS数据与线路区间的匹配 | 第41-42页 |
| 3.3.3 数据匹配效果检验 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 粒子滤波原理及模型建立 | 第44-56页 |
| 4.1 粒子滤波算法简介 | 第44-50页 |
| 4.1.1 贝叶斯估计理论 | 第44-45页 |
| 4.1.2 蒙特卡罗方法 | 第45-47页 |
| 4.1.3 粒子滤波的原理 | 第47-50页 |
| 4.2 基于粒子滤波的公交车辆到站时间预测模型 | 第50-55页 |
| 4.2.1 模型建立 | 第51-52页 |
| 4.2.2 算法流程设计 | 第52-55页 |
| 4.3 本章小结 | 第55-56页 |
| 5 实例研究 | 第56-78页 |
| 5.1 实验数据来源 | 第56-57页 |
| 5.2 误差指标选取和参数标定 | 第57-58页 |
| 5.3 粒子滤波算法预测结果 | 第58-76页 |
| 5.4 效果对比与分析 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 主要工作 | 第78-79页 |
| 6.2 论文创新点 | 第79页 |
| 6.3 研究展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第84-88页 |
| 学位论文数据集 | 第88页 |
