| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 公交到站预测的内涵 | 第8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.3.1 国外公交到站预测系统的研究现状 | 第8-9页 |
| 1.3.2 国内公交到站预测系统的研究现状 | 第9-10页 |
| 1.4 论文结构和章节安排 | 第10-12页 |
| 第2章 到站时间预测模型结构分析 | 第12-25页 |
| 2.1 预测模型体系结构 | 第12-13页 |
| 2.2 公交车GPS数据收集的工作流程 | 第13-14页 |
| 2.3 采集的信息的预处理 | 第14-17页 |
| 2.3.1 基于GPS技术的地图匹配算法 | 第14-16页 |
| 2.3.2 异常采集数据识别和修补算法 | 第16-17页 |
| 2.4 预测模型的研究 | 第17-24页 |
| 2.4.1 基于行为模式的预测模型 | 第18页 |
| 2.4.2 基于历史统计的预测模型 | 第18-19页 |
| 2.4.3 基于变量衰减预测模型 | 第19-20页 |
| 2.4.4 时间序列模型 | 第20-21页 |
| 2.4.5 卡尔曼滤波模型 | 第21-22页 |
| 2.4.6 人工神经网络模型 | 第22-23页 |
| 2.4.7 SVM模型 | 第23-24页 |
| 2.5 总结 | 第24-25页 |
| 第3章 基于GPS的数据的收集与预处理 | 第25-39页 |
| 3.1 基于移动通信技术的数据采集 | 第25-27页 |
| 3.2 GPS定位信息的存储 | 第27-29页 |
| 3.3 GPS定位信息的预处理 | 第29-37页 |
| 3.3.1 GPS系统误差分析 | 第29-31页 |
| 3.3.2 缺失数据的处理 | 第31-33页 |
| 3.3.3 基于欧氏几何空间里的距离的错误数据的处理 | 第33-35页 |
| 3.3.4 特殊数据的处理 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于GPS数据的公交车辆到达时间实时预测算法 | 第39-49页 |
| 4.1 公交车路线的线性化 | 第39-41页 |
| 4.2 到站时间预测模型 | 第41-47页 |
| 4.2.1 公交车实时定位的实现 | 第43-44页 |
| 4.2.2 站点间路段行驶时间 | 第44-45页 |
| 4.2.3 站点路口延误时间 | 第45-46页 |
| 4.2.4 站点停留时间 | 第46-47页 |
| 4.2.5 预测到站时间 | 第47页 |
| 4.3 本章小节 | 第47-49页 |
| 第5章 实验及结果分析 | 第49-53页 |
| 5.1 概述 | 第49页 |
| 5.2 实验环境 | 第49-50页 |
| 5.3 实验结果分析 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结和展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 后续展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |