| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 客流预测方面 | 第12-13页 |
| 1.2.2 发车间隔优化方面 | 第13-14页 |
| 1.2.3 运力配置方面 | 第14-16页 |
| 1.2.4 研究综述 | 第16-18页 |
| 1.3 研究内容 | 第18页 |
| 1.4 技术路线 | 第18-20页 |
| 第2章 基于GRNN神经网络的公交客流预测模型 | 第20-28页 |
| 2.1 问题描述与分析 | 第20-21页 |
| 2.2 基础理论与模型假设 | 第21-25页 |
| 2.2.1 GRNN神经网络概述 | 第21-25页 |
| 2.2.2 模型假设 | 第25页 |
| 2.3 客流预测模型构建与求解 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于客流特征时段划分的公交发车间隔优化模型 | 第28-36页 |
| 3.1 问题描述与分析 | 第28-29页 |
| 3.2 模型假设 | 第29-30页 |
| 3.3 发车间隔优化模型构建 | 第30-34页 |
| 3.4 发车间隔优化模型求解 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 常规公交线路多车型配置优化模型 | 第36-54页 |
| 4.1 问题描述与影响因素分析 | 第36-43页 |
| 4.1.1 问题描述 | 第36页 |
| 4.1.2 影响因素分析 | 第36-43页 |
| 4.2 模型假设 | 第43页 |
| 4.3 多车型配置模型构建 | 第43-51页 |
| 4.4 多车型配置模型求解 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 案例分析 | 第54-72页 |
| 5.1 案例描述 | 第54-58页 |
| 5.2 案例求解 | 第58-68页 |
| 5.2.1 客流预测 | 第58-64页 |
| 5.2.2 发车间隔优化 | 第64-67页 |
| 5.2.3 多车型配置 | 第67-68页 |
| 5.3 优化效果评价 | 第68-70页 |
| 5.4 本章小结 | 第70-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简介 | 第78-80页 |
| 致谢 | 第80页 |