| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 公交车辆到站时间预测相关技术分析 | 第17-27页 |
| 2.1 国内外相关预测技术 | 第17-24页 |
| 2.1.1 基于历史数据的预测模型 | 第17页 |
| 2.1.2 基于卡尔曼滤波器的预测模型 | 第17-18页 |
| 2.1.3 基于人工神经网络的预测模型 | 第18-21页 |
| 2.1.4 基于支持向量机的预测模型 | 第21-22页 |
| 2.1.5 基于时间序列的预测模型 | 第22-23页 |
| 2.1.6 基于统计回归理论的预测模型 | 第23-24页 |
| 2.2 各个预测模型的分析与比较 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 公交车辆到站时间影响因素的分析与数据预处理 | 第27-43页 |
| 3.1 相关数据采集与存储 | 第27-31页 |
| 3.1.1 车载物联网系统的介绍 | 第27-29页 |
| 3.1.2 车辆信息数据采集方法 | 第29-31页 |
| 3.2 有关数据的处理 | 第31-38页 |
| 3.2.1 有关GPS数据误差的分析 | 第31页 |
| 3.2.2 GPS数据预处理 | 第31-33页 |
| 3.2.3 公交车辆到站时间的获取 | 第33-36页 |
| 3.2.4 数据校验 | 第36-38页 |
| 3.3 公交车辆到站时间影响因素的分析 | 第38-39页 |
| 3.4 公交车辆到站时间预测特征值的选取 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 公交车到站时间预测模型研究 | 第43-51页 |
| 4.1 深度学习预测模型的提出 | 第43页 |
| 4.2 基于深度学习的公交车辆到站时间预测模型 | 第43-44页 |
| 4.3 预测模型的训练过程 | 第44-49页 |
| 4.3.1 预测模型的预训练过程 | 第44-48页 |
| 4.3.2 预测模型的微调过程 | 第48-49页 |
| 4.4 预测模型参数的设定 | 第49-50页 |
| 4.4.1 预训练过程参数的设定 | 第49-50页 |
| 4.4.2 微调过程参数的设定 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 预测实验结果及分析 | 第51-61页 |
| 5.1 实验环境及实验数据来源 | 第51-53页 |
| 5.2 预测模型的误差评价指标 | 第53页 |
| 5.3 实验数据统计分析 | 第53-54页 |
| 5.4 预测模型实验结果 | 第54-59页 |
| 5.4.1 深度学习预测模型 | 第54-56页 |
| 5.4.2 BP神经网络预测模型 | 第56-57页 |
| 5.4.3 支持向量机预测模型 | 第57-59页 |
| 5.5 预测结果分析与对比 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |