| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 课题的研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 国内外公交到站时间预测算法 | 第15-17页 |
| 1.4.1 历史平均法 | 第15-16页 |
| 1.4.2 回归模型 | 第16页 |
| 1.4.3 神经网络模型 | 第16页 |
| 1.4.4 支持向量机模型 | 第16-17页 |
| 1.4.5 卡尔曼滤波模型 | 第17页 |
| 1.4.6 时间序列预测模型 | 第17页 |
| 1.4.7 组合预测模型 | 第17页 |
| 1.5 主要研究内容 | 第17-18页 |
| 1.6 论文的组织与结构 | 第18-20页 |
| 第2章 公交行程时间影响因素及相关技术分析 | 第20-30页 |
| 2.1 公交行程时间影响因素分析 | 第20-22页 |
| 2.2 道路与车辆的数据采集 | 第22-23页 |
| 2.2.1 传统数据采集 | 第22页 |
| 2.2.2 GPS数据采集 | 第22-23页 |
| 2.2.3 数据采集的误差因素 | 第23页 |
| 2.3 相关算法介绍 | 第23-30页 |
| 2.3.1 卡尔曼滤波算法 | 第24-26页 |
| 2.3.2 指数平滑法 | 第26-28页 |
| 2.3.3 聚类分析 | 第28-29页 |
| 2.3.4 本章小结 | 第29-30页 |
| 第3章 停靠时间分析及多线路行程时间融合 | 第30-41页 |
| 3.1 站点停靠过程分析 | 第30-32页 |
| 3.1.1 减速进站阶段 | 第31-32页 |
| 3.1.2 停靠等待阶段 | 第32页 |
| 3.1.3 加速出站阶段 | 第32页 |
| 3.2 站点停靠时间及影响因素分析 | 第32-35页 |
| 3.3 对停靠时间聚类 | 第35-38页 |
| 3.4 站间路段多线路信息融合 | 第38-41页 |
| 3.4.1 多线路公交信息融合的原理 | 第38-39页 |
| 3.4.2 多线路公交信息融合的方法及步骤 | 第39-41页 |
| 第4章 卡尔曼滤波和指数平滑法组合预测模型 | 第41-51页 |
| 4.1 公交车站间路段运行特点 | 第41页 |
| 4.2 组合预测模型 | 第41-42页 |
| 4.2.1 组合预测模型的优势 | 第42页 |
| 4.2.2 组合模型中单项模型的选择 | 第42页 |
| 4.3 卡尔曼滤波和指数平滑法组合算法 | 第42-50页 |
| 4.3.1 卡尔曼滤波算法预测公交行驶时间 | 第43-45页 |
| 4.3.2 指数平滑法预测公交行驶时间 | 第45-47页 |
| 4.3.3 卡尔曼滤波和二次指数平滑法的组合原理 | 第47页 |
| 4.3.4 卡尔曼滤波和二次指数平滑法的组合过程 | 第47-50页 |
| 4.4 多线路公交信息与组合预测模型相融合 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 公交行程时间预测实验分析 | 第51-63页 |
| 5.1 实验设计与流程 | 第51-59页 |
| 5.1.1 站点停靠时间预测 | 第51-55页 |
| 5.1.2 多线路公交站间行驶时间融合 | 第55-59页 |
| 5.2 公交行程时间预测模型 | 第59页 |
| 5.3 算法性能评估指标 | 第59-60页 |
| 5.4 实验结果与对比分析 | 第60-62页 |
| 5.4.1 单线路卡尔曼滤波预测与多线路卡尔曼滤波预测对比 | 第60-61页 |
| 5.4.2 单一预测模型与组合预测模型的实验对比 | 第61-62页 |
| 5.4.3 结果分析 | 第62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |