智能公交系统数据挖掘研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-26页 |
| ·研究背景 | 第12-16页 |
| ·智能公共交通系统 | 第12-14页 |
| ·APTS数据分析 | 第14-16页 |
| ·APTS的三类基本信息 | 第16页 |
| ·数据挖掘 | 第16-19页 |
| ·APTS数据挖掘 | 第19-23页 |
| ·行程时间和客流信息挖掘方法 | 第20-21页 |
| ·OD矩阵挖掘 | 第21-22页 |
| ·客流和行程时间趋势与预测 | 第22页 |
| ·公共交通网络的评估 | 第22-23页 |
| ·本文的研究内容及主要成果 | 第23-24页 |
| ·本文的组织 | 第24-26页 |
| 第二章 智能公共交通系统与数据挖掘 | 第26-40页 |
| ·APTS体系结构 | 第26-32页 |
| ·逻辑结构 | 第26-27页 |
| ·传输层 | 第27页 |
| ·数据层 | 第27-29页 |
| ·APTS应用层与功能结构 | 第29-32页 |
| ·APTS的感知层 | 第32-35页 |
| ·自动车辆定位(AVL) | 第32-33页 |
| ·自动乘客计数技术(APC) | 第33-34页 |
| ·自动计费(AFC) | 第34页 |
| ·感知层的车辆端:车载终端 | 第34-35页 |
| ·感知层的站台端:电子站牌 | 第35页 |
| ·APTS数据挖掘体系结构 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 从智能公交卡付费数据挖掘行程时间 | 第40-62页 |
| ·问题分析 | 第40-41页 |
| ·问题描述 | 第41-43页 |
| ·概念定义与记号 | 第43-45页 |
| ·问题及求解 | 第45-57页 |
| ·分类T | 第46-47页 |
| ·计算X | 第47-52页 |
| ·EM算法 | 第52-54页 |
| ·EM算法的改进 | 第54-55页 |
| ·用MM算法求解 | 第55-56页 |
| ·在线学习MM算法 | 第56-57页 |
| ·实验 | 第57-61页 |
| ·算法有效性验证 | 第57-59页 |
| ·准确性影响因素分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 APTS背景下的动态公交OD估计 | 第62-86页 |
| ·问题分析 | 第62-63页 |
| ·公交系统模型 | 第63-68页 |
| ·基本概念与记号 | 第63-65页 |
| ·乘客路径选择行为 | 第65-66页 |
| ·公交分配模型的选择 | 第66-67页 |
| ·路径费用分析 | 第67-68页 |
| ·动态公交OD估计 | 第68-72页 |
| ·上下车人数、OD量、容量间的关系 | 第68-69页 |
| ·基于时刻表的动态公交分配与动态用户均衡 | 第69-72页 |
| ·基于路径流的动态公交OD估计 | 第72-78页 |
| ·无容量限制的最短路径流与DUE | 第72-74页 |
| ·路径流的广义最小二乘估计 | 第74-75页 |
| ·容量约束 | 第75-76页 |
| ·有容量约束的一般路径流与DUE | 第76-78页 |
| ·路径流动态公交OD估计的求解 | 第78-84页 |
| ·降维问题 | 第78-79页 |
| ·N最短路径算法 | 第79-83页 |
| ·Sherali求解算法 | 第83-84页 |
| ·数值算例 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 基于等时线的公交网络可达性评估 | 第86-97页 |
| ·问题提出 | 第86-87页 |
| ·公交通勤时间基本模型 | 第87-89页 |
| ·公交通勤时间计算 | 第89-92页 |
| ·转移概率 | 第89-91页 |
| ·乘车时间R | 第91页 |
| ·离站时间 | 第91-92页 |
| ·等时线的生成 | 第92-93页 |
| ·实例分析 | 第93-95页 |
| ·本章小结 | 第95-97页 |
| 第六章 总结与展望 | 第97-99页 |
| 参考文献 | 第99-108页 |
| 致谢 | 第108-109页 |
| 攻读学位期间发表的学术论文 | 第109页 |
