| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 智能公交调度的研究背景及意义 | 第9-13页 |
| 1.2 国内外研究的现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 研究目标及主要内容 | 第16-18页 |
| 第二章 智能公交调度系统概述 | 第18-22页 |
| 2.1 智能公交调度优化系统概述 | 第18-19页 |
| 2.2 实时公交调度优化系统 | 第19-22页 |
| 2.2.1 公交车辆实时调度模块 | 第19-20页 |
| 2.2.2 公交调度优化模块 | 第20-22页 |
| 第三章 公交客流数据采集及分析处理 | 第22-36页 |
| 3.1 公交客流基础数据的采集 | 第22-25页 |
| 3.1.1 公交客流采集系统的简介 | 第22-24页 |
| 3.1.2 多传感器的公交客流采集系统 | 第24-25页 |
| 3.2 公交客流数据分析处理 | 第25-29页 |
| 3.2.1 客流数据采集及分类 | 第25-26页 |
| 3.2.2 数据处理及发布 | 第26-28页 |
| 3.2.3 中心端及无线通信方式 | 第28-29页 |
| 3.3 公交客流动态信息丢失数据的分析及处理 | 第29-34页 |
| 3.3.1 公交客流丢失数据的分析 | 第29-31页 |
| 3.3.2 公交客流丢失数据补齐算法—粗糙集理论 | 第31-34页 |
| 3.4 丢失数据补齐实例验证 | 第34-36页 |
| 第四章 公交客流预测算法 | 第36-43页 |
| 4.1 公交客流短时预测算法概述 | 第36-37页 |
| 4.2 公交客流短时预测的常规方法 | 第37-39页 |
| 4.2.0 ARIMA时间序列分析法 | 第37-38页 |
| 4.2.1 指数平滑法 | 第38-39页 |
| 4.2.2 插值法 | 第39页 |
| 4.3 基于非参数回归的乘客流量预测算法 | 第39-43页 |
| 第五章 公交客流优化调度模型 | 第43-58页 |
| 5.1 公交优化调度模型研究 | 第43-45页 |
| 5.1.1 静态调度的研究 | 第43-45页 |
| 5.1.2 动态调度的研究 | 第45页 |
| 5.2 以极小化乘客和公交运营费用总和为目标的优化模型 | 第45-50页 |
| 5.2.1 公共交通运营参数优化方法 | 第45-47页 |
| 5.2.2 优化模型的建立 | 第47-48页 |
| 5.2.3 模型标定 | 第48-50页 |
| 5.3 基于遗传-模拟退火算法的模型调度应用 | 第50-53页 |
| 5.3.1 遗传算法和模拟退火算法 | 第50-51页 |
| 5.3.2 基于GA-SA的混合算法HGA | 第51-53页 |
| 5.4 公交客流优化调度实例分析 | 第53-58页 |
| 5.4.1 深圳公交简介 | 第53-54页 |
| 5.4.2 实例验证 | 第54-57页 |
| 5.4.3 模型评价 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文的研究内容及主要结论 | 第58-59页 |
| 6.2 智能公交优化调度展望与发展 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士期间发表的学术论文 | 第64页 |