| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究的背景和实践意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 公交调度问题 | 第11-14页 |
| 1.2.2 到站时间预测 | 第14-16页 |
| 1.3 研究的内容与技术路线 | 第16页 |
| 1.3.1 研究的主要内容 | 第16页 |
| 1.3.2 论文的技术路线 | 第16页 |
| 1.4 本章小结 | 第16-18页 |
| 2 公交车在换乘枢纽站的动态调度分析 | 第18-27页 |
| 2.1 面向换乘枢纽的公交调度理论分析 | 第18-21页 |
| 2.1.1 面向换乘枢纽的公交调度存在的问题 | 第18-19页 |
| 2.1.2 公交车辆动态调度的必要性 | 第19-21页 |
| 2.2 城市公交调度的分类 | 第21-24页 |
| 2.2.1 公交调度措施种类 | 第21-22页 |
| 2.2.2 公交车辆发车间隔种类 | 第22-24页 |
| 2.3 换乘方式的分类 | 第24-26页 |
| 2.3.1 发车间隔长度的种类 | 第24-25页 |
| 2.3.2 换乘站点的站台位置的种类 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 公交车辆到站时间的预测分析 | 第27-42页 |
| 3.1 公交车辆到站时间预测传统模型 | 第27-34页 |
| 3.1.1 自回归滑动模型 (ARMA) | 第28-29页 |
| 3.1.2 卡尔曼滤波预测模型 | 第29-30页 |
| 3.1.3 BP网络 | 第30-31页 |
| 3.1.4 支持向量机预测模型 | 第31-34页 |
| 3.2 基于动态贝叶斯的最小二乘支持向量机模型 | 第34-41页 |
| 3.2.1 最小二乘向量机 | 第34-35页 |
| 3.2.2 LS-SVM回归的算法 | 第35-37页 |
| 3.2.3 贝叶斯推断理论 | 第37-41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 面向换乘枢纽公交动态调度模型的建立 | 第42-51页 |
| 4.1 基于换乘站点的公交车辆动态调度的基本方法 | 第42-43页 |
| 4.2 面向换乘站点公交车辆的动态调度模型 | 第43-50页 |
| 4.2.1 模型的描述 | 第43-44页 |
| 4.2.2 模型的假设 | 第44-45页 |
| 4.2.3 符号说明 | 第45-46页 |
| 4.2.4 模型的建立 | 第46-47页 |
| 4.2.5 模型的求解的算法 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 实例分析 | 第51-61页 |
| 5.1 公交到站时间预测实例分析 | 第51-55页 |
| 5.1.1 兰州公交15路公交线路的基本信息 | 第51-53页 |
| 5.1.2 兰州公交15路公交到站时间预测分析 | 第53-55页 |
| 5.2 面向换乘枢纽的公交车辆动态调度模型实例分析 | 第55-60页 |
| 5.2.1 实例的背景及其基本数据 | 第55-56页 |
| 5.2.2 实例模型中的参数设定 | 第56-58页 |
| 5.2.3 实例模型各线路到达、离开换乘站点的时间确定 | 第58-59页 |
| 5.2.4 实例结果与结果分析 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录A 附录内容名称 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68页 |