基于客流数据挖掘的公交时刻表的研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 概述 | 第11-19页 |
| ·论文研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·研究意义 | 第15-16页 |
| ·论文结构和主要内容 | 第16-19页 |
| 2 数据挖掘技术综述 | 第19-27页 |
| ·数据挖掘的定义 | 第19页 |
| ·数据挖掘的功能 | 第19-20页 |
| ·数据挖掘的流程 | 第20-22页 |
| ·数据挖掘的常用算法 | 第22-26页 |
| ·聚类算法 | 第22-23页 |
| ·关联规则 | 第23-25页 |
| ·决策树算法 | 第25页 |
| ·时间序列算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 客流数据挖掘研究 | 第27-57页 |
| ·客流数据的采集概述 | 第27-30页 |
| ·视频图像的数据采集 | 第27页 |
| ·人工调查的数据采集 | 第27-28页 |
| ·自动乘客计数的数据采集 | 第28页 |
| ·公交IC卡的数据采集 | 第28-30页 |
| ·公交客流的数据挖掘概述 | 第30-35页 |
| ·客流数据挖掘的目标和内容 | 第30-32页 |
| ·客流数据挖掘的挖掘系统和模型 | 第32-33页 |
| ·客流数据挖掘的过程分析 | 第33-35页 |
| ·客流数据挖掘模型 | 第35-44页 |
| ·基于公交IC卡的上车人数模型 | 第35-39页 |
| ·基于公交IC卡的下车人数模型 | 第39-41页 |
| ·基于Fisher有序聚类的客流时段区间划分模型 | 第41-44页 |
| ·实例分析 | 第44-55页 |
| ·上车人数模型的实现 | 第44-49页 |
| ·下车人数模型的实现 | 第49-51页 |
| ·客流时段区间划分模型的实现 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 4 公交时刻表的研究 | 第57-87页 |
| ·公交时刻表 | 第57-63页 |
| ·时刻表与行车计划 | 第57-59页 |
| ·公交客流规律 | 第59-60页 |
| ·发车间隔的计算方法 | 第60-63页 |
| ·公交时刻表编制模型 | 第63-73页 |
| ·多目标智能优化算法概述 | 第63-69页 |
| ·基于多目标优化的公交时刻表编制模型的建立 | 第69-73页 |
| ·实例分析 | 第73-85页 |
| ·算法实现 | 第73-81页 |
| ·实验结果分析 | 第81-85页 |
| ·本章小结 | 第85-87页 |
| 5 总结与展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 附录A | 第93-95页 |
| 附录B | 第95-99页 |
| 作者简历 | 第99-103页 |
| 学位论文数据集 | 第103页 |
