智能公交车队调度与道路拥塞预测研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 1 引言 | 第10-16页 |
| ·论文的研究背景与意义 | 第10-12页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究意义 | 第11-12页 |
| ·智能公交系统国内外发展现状 | 第12-13页 |
| ·本文的研究工作 | 第13页 |
| ·论文安排 | 第13-16页 |
| 2 基于遗传算法的公交静态调度 | 第16-38页 |
| ·公交调度问题的数据模型 | 第16-19页 |
| ·乘客的利益 | 第17-18页 |
| ·公交公司的利益目标 | 第18页 |
| ·公交调度的优化目标 | 第18-19页 |
| ·遗传算法 | 第19-26页 |
| ·遗传算法的基本概念 | 第19-22页 |
| ·遗传算法的特点 | 第22-24页 |
| ·遗传算法的基本运算过程 | 第24-25页 |
| ·目标函数优化 | 第25-26页 |
| ·基于遗传算法的公交静态调度的设计 | 第26-33页 |
| ·问题的描述 | 第26-30页 |
| ·编码方案 | 第30页 |
| ·确定适应度函数 | 第30页 |
| ·群体的初始化 | 第30-31页 |
| ·遗传算子的设计 | 第31-33页 |
| ·最优保留策略 | 第33页 |
| ·仿真结果 | 第33-36页 |
| ·公交车辆配车数研究 | 第36-37页 |
| ·小结 | 第37-38页 |
| 3 城市公交动态调度方法的研究 | 第38-48页 |
| ·公交动态调度常用技术 | 第38-40页 |
| ·GPS技术及其在公交系统中的应用 | 第38-40页 |
| ·通信技术在公交调度中的应用 | 第40页 |
| ·动态调度策略 | 第40-41页 |
| ·公交车辆动态调度方法及应用分析 | 第41-44页 |
| ·动态调度方法 | 第41-43页 |
| ·方法应用分析 | 第43-44页 |
| ·实验结果和分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 4 公交车预测道路拥塞方法的研究 | 第48-70页 |
| ·神经网络的基本概念 | 第48-52页 |
| ·神经网络的发展历史 | 第48-49页 |
| ·神经元模型 | 第49-52页 |
| ·神经网络的分类 | 第52页 |
| ·BP神经网络的结构 | 第52-53页 |
| ·BP神经网络的学习 | 第53-55页 |
| ·算法的优化 | 第55-59页 |
| ·LM算法的描述 | 第56页 |
| ·前向计算的矩阵形式 | 第56-57页 |
| ·权值修正 | 第57-58页 |
| ·LM算法的具体计算步骤 | 第58-59页 |
| ·BP神经网络结构设计 | 第59-64页 |
| ·训练样本集的准备 | 第59-62页 |
| ·数据的预处理 | 第62页 |
| ·公交车速预测的BP神经网络结构设计 | 第62-64页 |
| ·仿真 | 第64-67页 |
| ·结果分析 | 第67-70页 |
| 5 总结 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录A 遗传算法部分源程序 | 第74-80页 |
| 附录B BP神经网络预测源程序 | 第80-82页 |
| 硕士期间完成的论文 | 第82-86页 |
| 学位论文数据集 | 第86页 |
