| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 课题背景意义 | 第10-11页 |
| 1.1.2 研究难点 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国内外公交车到站时间预测模型的研究现状 | 第12-14页 |
| 1.2.2 国内外公交信息服务的应用现状 | 第14-15页 |
| 1.3 本文内容 | 第15-16页 |
| 1.4 本文结构 | 第16-18页 |
| 第2章 数据采集及公交运营数据集的构建 | 第18-26页 |
| 2.1 数据的采集及预处理 | 第18-20页 |
| 2.1.1 数据参数说明 | 第18-20页 |
| 2.1.2 数据的初步筛选 | 第20页 |
| 2.2 公交运营数据集的构建 | 第20-24页 |
| 2.2.1 筛选每一次正常运营过程中采集的定位数据 | 第20-22页 |
| 2.2.2 生成公交时距数据对 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 基于异构信息的时间序列预测算法 | 第26-42页 |
| 3.1 基于长短时记忆神经网络的公交车到站预测模型 | 第26-29页 |
| 3.2 基于异构信息的特征编码及公交运营序列构建 | 第29-31页 |
| 3.3 模型的训练及预测过程 | 第31-34页 |
| 3.3.1 LSTM的训练过程 | 第31-33页 |
| 3.3.2 基于“链式”特征构建和状态纠正的预测过程 | 第33-34页 |
| 3.4 公交车到站时间预测实验结果及分析 | 第34-40页 |
| 3.4.1 评测标准 | 第34页 |
| 3.4.2 算法对比 | 第34-37页 |
| 3.4.3 创新点分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于计程车OD数据的城市居民出行模式挖掘 | 第42-52页 |
| 4.1 城市居民出行模式挖掘的研究现状 | 第42-43页 |
| 4.2 计程车OD数据的时空分布特点分析 | 第43-44页 |
| 4.3 基于空间点过程建模计算出行强度 | 第44-46页 |
| 4.4 基于矩阵分解发现出行规律模式 | 第46-48页 |
| 4.4.1 非负低秩约束的稀疏矩阵分解 | 第46-47页 |
| 4.4.2 非负矩阵分解 | 第47-48页 |
| 4.5 城市居民出行模式在公交车到站时间预测的应用 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录A 各线路的MAE(分钟) | 第58-60页 |
| 附录B 各线路的RMSE(分钟) | 第60-62页 |
| 附录C 各线路的MAPE(%) | 第62-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |
