首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文--交通调查与规划论文

公交动态调度系统中的数据预测方法

摘要第5-7页
Abstract第7-8页
第1章 绪论第12-16页
    1.1 课题的背景和来源第12-13页
    1.2 课题的研究目的与意义第13页
    1.3 研究的目标与内容第13-14页
    1.4 研究的技术路线与方法第14-15页
    1.5 论文的结构安排第15页
    1.6 本章小结第15-16页
第2章 相关文献综述第16-28页
    2.1 公交动态调度的相关理论和现状第16-21页
        2.1.1 先进公共交通系统简介第16-18页
        2.1.2 公交动态调度理论与研究现状第18-19页
        2.1.3 影响动态调度作业的因素第19-20页
        2.1.4 物联网技术在公交系统的应用第20-21页
    2.2 交通领域的相关预测方法第21-22页
    2.3 公交系统的数据预测方法第22-26页
        2.3.1 公交站点客流预测方法第22-24页
        2.3.2 实时路况预测方法第24-25页
        2.3.3 公交到站时间预测方法第25-26页
    2.4 本章小结第26-28页
第3章 公交动态调度系统中的数据预测分析第28-34页
    3.1 公交到站时间影响因素分析第28-29页
    3.2 公交系统的数据特性分析第29-30页
        3.2.1 公交数据在时间分布的规律性第29-30页
        3.2.2 公交数据在空间分布的规律性第30页
    3.3 公交系统的数据预测思路第30-32页
    3.4 本章小结第32-34页
第4章 基于季节ARIMA的站点客流预测和实时路况预测第34-56页
    4.1 季节ARIMA预测方法的基本原理第34-39页
        4.1.1 时间序列基本模型第34-35页
        4.1.2 季节ARIMA模型第35-39页
    4.2 基于季节ARIMA的站点客流预测模型第39-47页
        4.2.1 数据采集与数据预处理第39-41页
        4.2.2 模型建立第41-45页
        4.2.3 不同预测方法的对比分析第45-47页
    4.3 基于季节ARIMA的实时路况预测模型第47-54页
        4.3.1 数据采集与数据预处理第47-49页
        4.3.2 模型建立第49-53页
        4.3.3 不同预测方法的比较分析第53-54页
    4.4 本章小结第54-56页
第5章 基于K近邻非参数回归的站点客流预测和实时路况预测第56-66页
    5.1 K近邻非参数回归预测方法的基本原理第56-60页
        5.1.1 K近邻非参数回归方法原理第56-59页
        5.1.2 影响K近邻非参数回归预测模型的因素分析第59页
        5.1.3 K近邻非参数回归方法一般流程第59-60页
    5.2 基于K近邻非参数回归的站点客流预测模型第60-62页
        5.2.1 数据采集与数据预处理第60页
        5.2.2 模型建立第60-61页
        5.2.3 不同预测方法的比较分析第61-62页
    5.3 基于K近邻非参数回归的实时路况预测模型第62-65页
        5.3.1 数据采集与数据预处理第62页
        5.3.2 模型建立第62-64页
        5.3.3 不同预测方法的比较分析第64-65页
    5.4 本章小结第65-66页
第6章 公交动态调度系统中的车辆到站时间预测模型第66-80页
    6.1 考虑前车数据和动态调整的到站时间预测模型第66-74页
        6.1.1 问题描述第66页
        6.1.2 模型参数及符号第66-67页
        6.1.3 模型假设第67页
        6.1.4 模型建立第67-68页
        6.1.5 仿真实例验证第68-70页
        6.1.6 不同预测方法的比较分析第70-74页
    6.2 到站时间预测模型参数影响分析第74-79页
        6.2.1 数据波动的影响分析第74页
        6.2.2 权重变化的影响分析第74-76页
        6.2.3 前车数据的影响分析第76-79页
    6.3 本章小结第79-80页
第7章 总结和展望第80-82页
    7.1 总结第80-81页
    7.2 展望第81-82页
参考文献第82-88页
致谢第88-90页
附录A第90-94页
附录B第94-98页
攻读硕士期间从事科学研究、获奖情况及发明专利等项第98页

论文共98页,点击 下载论文
上一篇:基于细菌觅食算法的改进及应用研究
下一篇:基于迭代学习的无人机的轨迹跟踪控制