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 |