公交客流实时分析与短时预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究概况 | 第12-16页 |
| ·国外研究概况 | 第12-14页 |
| ·国内研究概况 | 第14-16页 |
| ·国内外研究概况总结分析 | 第16页 |
| ·论文主要研究内容与结构 | 第16-17页 |
| ·主要研究内容 | 第16-17页 |
| ·论文结构 | 第17页 |
| ·技术路线 | 第17-19页 |
| 2 公交客流数据实时采集系统构架设计 | 第19-27页 |
| ·传统公交客流数据采集方法研究 | 第19-21页 |
| ·人工调查方法 | 第19页 |
| ·图像识别方法 | 第19-20页 |
| ·自动乘客计数系统 | 第20页 |
| ·公交IC卡采集方式 | 第20页 |
| ·各种方法优缺点总结 | 第20-21页 |
| ·实时客流数据采集系统设计 | 第21-27页 |
| ·系统构架设计 | 第21-22页 |
| ·刷卡客流数据和投币检测器数据实时采集与传输系统 | 第22-25页 |
| ·结合刷卡、投币和刷卡比例的上车客流数据综合统计 | 第25-26页 |
| ·公交线路和线网上车客流数据实时统计方法 | 第26-27页 |
| 3 公交客流出行特征分析 | 第27-49页 |
| ·数据描述与预处理 | 第27-30页 |
| ·公交IC卡数据 | 第27-28页 |
| ·公交GPS数据 | 第28-30页 |
| ·公交客流的上下车站点判断分析 | 第30-38页 |
| ·上下车站点确定方法研究 | 第30-37页 |
| ·换乘判断问题研究 | 第37-38页 |
| ·公交客流的时间分布特性分析 | 第38-41页 |
| ·工作日客流时间分布 | 第38-40页 |
| ·周末客流时间分布 | 第40-41页 |
| ·月客流时间分布 | 第41页 |
| ·公交客流的动态特性分析 | 第41-43页 |
| ·一天内客流时间分布不均匀性 | 第41-42页 |
| ·客流方向的不均匀性 | 第42-43页 |
| ·客流的星期变动特性 | 第43页 |
| ·短时公交客流特性分析 | 第43-49页 |
| ·分析所用IC卡数据 | 第43-44页 |
| ·短时公交客流影响因素分析 | 第44-48页 |
| ·影响因素总结 | 第48-49页 |
| 4 短时公交客流预测 | 第49-66页 |
| ·神经网络模型分析 | 第49-51页 |
| ·神经元的数学模型 | 第49-50页 |
| ·神经网络结构模型及其特性 | 第50-51页 |
| ·BP神经网络模型预测 | 第51-56页 |
| ·输入因素确定 | 第52页 |
| ·输入神经元数目确定 | 第52-53页 |
| ·隐藏层神经元数目确定 | 第53-54页 |
| ·预测模型的实现 | 第54-56页 |
| ·BP神经网络改进模型预测 | 第56-59页 |
| ·改进思路 | 第56-57页 |
| ·改进模型的建立 | 第57-58页 |
| ·改进模型预测结果 | 第58-59页 |
| ·基于径向基神经网络模型预测 | 第59-62页 |
| ·RBF神经网络基本原理 | 第59-60页 |
| ·RBF神经网络模型建立 | 第60-61页 |
| ·RBF神经网络的预测结果 | 第61-62页 |
| ·三种模型预测结果评价 | 第62-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-73页 |
