| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 公交客流分析国内外研究现状 | 第12-13页 |
| 1.2.2 短时客流预测国内外研究现状 | 第13-15页 |
| 1.3 章节安排和技术路线 | 第15-17页 |
| 1.3.1 章节安排 | 第15-16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 第2章 公交客流数据采集与数据挖掘方法 | 第17-23页 |
| 2.1 公交客流数据采集方法 | 第17-19页 |
| 2.2 数据挖掘过程与方法 | 第19-22页 |
| 2.2.1 数据挖掘的过程 | 第19-20页 |
| 2.2.2 数据挖掘的方法简介 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于数据挖掘的公交客流规律挖掘分析 | 第23-38页 |
| 3.1 数据选择与预处理 | 第23-24页 |
| 3.1.1 数据特征选择 | 第23-24页 |
| 3.1.2 数据预处理 | 第24页 |
| 3.2 基于数据挖掘的公交客流的上下车站点的判定分析 | 第24-31页 |
| 3.2.1 上车站点的判定 | 第24-26页 |
| 3.2.2 下车站点的判定 | 第26-30页 |
| 3.2.3 换乘站点的判定 | 第30-31页 |
| 3.3 基于数据挖掘的公交客流的分布特征分析 | 第31-37页 |
| 3.3.1 公交客流的时间分布特征分析 | 第31-33页 |
| 3.3.2 公交客流的空间分布特征分析 | 第33-34页 |
| 3.3.3 短时公交客流特征分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 公交客流短时预测算法的比较分析 | 第38-54页 |
| 4.1 三种公交客流短时预测算法原理 | 第38-44页 |
| 4.1.1 时间序列算法预测原理 | 第38-39页 |
| 4.1.2 支持向量机算法预测原理 | 第39-41页 |
| 4.1.3 极限学习机算法预测原理 | 第41-44页 |
| 4.2 公交客流短时预测实例分析 | 第44-52页 |
| 4.2.1 线路客流短时预测实例分析 | 第44-50页 |
| 4.2.2 站点客流短时预测实例分析 | 第50-52页 |
| 4.3 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-68页 |
| 攻读硕士学位期间发表论文 | 第68页 |