| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第1章 绪论 | 第5-14页 |
| 1.1 研究背景和意义 | 第5-6页 |
| 1.2 国内外公交车到站预测的应用现状 | 第6-7页 |
| 1.3 国内外公交车到站研究现状 | 第7-12页 |
| 1.4 各章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 模型原理 | 第14-31页 |
| 2.1 线性回归模型 | 第14-16页 |
| 2.2 支持向量机模型 | 第16-24页 |
| 2.3 BP神经网络模型(Artificial Neural Network) | 第24-28页 |
| 2.4 长短时记忆递归神经网络(Long Short-Term Memory,LSTM) | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 公交车到站时间预测 | 第31-42页 |
| 3.1 问题描述 | 第31页 |
| 3.2 数据分析及预处理 | 第31-35页 |
| 3.3 公交车到站时间预测 | 第35-37页 |
| 3.3.1 支持向量机回归预测(SVR) | 第35页 |
| 3.3.2 BP神经网络预测(ANN) | 第35-36页 |
| 3.3.3 Long Short-Term Memory公交车到站时间预测 | 第36-37页 |
| 3.4 评价指标 | 第37-38页 |
| 3.5 预测结果展示及分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于不同时段获取特征值的公交车到站时间预测 | 第42-52页 |
| 4.1 输入向量的改进及单模型预测 | 第42-46页 |
| 4.1.1 问题描述 | 第42页 |
| 4.1.2 输入向量的改进 | 第42-43页 |
| 4.1.3 预测结果展示及分析 | 第43-46页 |
| 4.2 按不同时段计算站点间平均时间 | 第46-51页 |
| 4.2.1 问题描述 | 第46-47页 |
| 4.2.2 数据分析和模型预测 | 第47-48页 |
| 4.2.3 预测结果展示 | 第48-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 主要工作 | 第52-53页 |
| 5.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
