摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景与意义 | 第9-10页 |
1.1.1 研究背景 | 第9页 |
1.1.2 研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.2.1 国内研究现状 | 第10-11页 |
1.2.2 国外研究现状 | 第11页 |
1.3 研究内容 | 第11-12页 |
1.4 论文结构 | 第12-15页 |
第二章 相关理论与支撑技术 | 第15-21页 |
2.1 数据挖掘 | 第15-17页 |
2.1.1 数据挖掘概念 | 第15页 |
2.1.2 数据挖掘主要步骤 | 第15-16页 |
2.1.3 数据挖掘中的常用算法 | 第16-17页 |
2.2 蚁群算法 | 第17-21页 |
2.2.1 蚁群算法的概念及基本原理 | 第17-19页 |
2.2.2 蚁群算法的特点 | 第19-21页 |
第三章 影响乘客公交出行路线选择的因素分析 | 第21-27页 |
3.1 影响公交乘客路线选择的因素 | 第21-22页 |
3.2 公交IC卡信息分析 | 第22-25页 |
3.2.1 公交IC卡组成 | 第23页 |
3.2.2 公交IC卡数据结构 | 第23-25页 |
3.3 本文两种方法的优化目标 | 第25-27页 |
第四章 公交乘客路线选择估计模型仿真 | 第27-35页 |
4.1 引言 | 第27-28页 |
4.2 公交乘客线路选择原理特点 | 第28-29页 |
4.3 大数据的公交乘客线路选择的估计模型的提出 | 第29-32页 |
4.3.1 公交客流出行时间概率密度函数的计算 | 第29-30页 |
4.3.2 大数据的公交乘客线路选择的估计模型组建 | 第30-32页 |
4.4 实验及仿真证明 | 第32-35页 |
第五章 考虑出行因素的公交路线选择算法 | 第35-47页 |
5.1 引言 | 第35-36页 |
5.2 城市公交线路选择优化的目标 | 第36-37页 |
5.3 城市公交线网模型 | 第37-38页 |
5.3.1 城市公交线网的拓扑结构 | 第37页 |
5.3.2 公交IC卡数据模型 | 第37-38页 |
5.4 GBAS求解最短路径的可行性分析 | 第38-40页 |
5.4.1 GBAS算法简述 | 第38页 |
5.4.2 公交乘客线路选择问题与旅行商问题 | 第38-39页 |
5.4.3 GBAS构造图的特点 | 第39-40页 |
5.5 基于GBAS的公交出行最优路径选择算法 | 第40-43页 |
5.6 实验分析 | 第43-47页 |
第六章 总结与展望 | 第47-49页 |
6.1 工作总结 | 第47页 |
6.2 本文不足 | 第47页 |
6.3 下一步研究计划 | 第47-49页 |
参考文献 | 第49-51页 |
致谢 | 第51-53页 |
攻读学位期间的科研成果 | 第53-55页 |