| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容及章节安排 | 第12-14页 |
| 第二章 基于最小二乘支持向量回归机的站点客流预测 | 第14-26页 |
| 2.1 统计学习理论基础 | 第14-16页 |
| 2.2 支持向量回归机 | 第16-19页 |
| 2.2.1 最优超平面和支持向量 | 第16-17页 |
| 2.2.2 支持向量回归机 | 第17-19页 |
| 2.3 最小二乘支持向量回归机的数学模型 | 第19-21页 |
| 2.4 短时站点客流预测 | 第21-25页 |
| 2.4.1 公交站点客流分析 | 第21-22页 |
| 2.4.2 用最小二乘支持向量机进行客流预测 | 第22-23页 |
| 2.4.3 预测结果及分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 模糊逻辑控制优化的遗传算法 | 第26-41页 |
| 3.1 遗传算法的基本原理 | 第26-29页 |
| 3.1.1 标准遗传算法的要素 | 第26-28页 |
| 3.1.2 标准遗传算法的基本流程 | 第28-29页 |
| 3.2 模糊控制逻辑的基本原理 | 第29-33页 |
| 3.2.1 规则库的设计 | 第30-31页 |
| 3.2.2 模糊化和反模糊化 | 第31-32页 |
| 3.2.3 模糊推理 | 第32-33页 |
| 3.3 模糊逻辑控制优化的遗传算法 | 第33-38页 |
| 3.3.1 模糊控制输入变量的选择 | 第34-35页 |
| 3.3.2 模糊化和反模糊化的处理 | 第35-36页 |
| 3.3.3 模糊推理规则 | 第36-38页 |
| 3.4 FGA与GA的性能测试结果比较 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于模糊遗传算法的公交车动态调度仿真及结果分析 | 第41-47页 |
| 4.1 公交车调度模型 | 第41-44页 |
| 4.1.1 公交车静态调度模型 | 第41-42页 |
| 4.1.2 基于站点客流预测的动态调度模型 | 第42-44页 |
| 4.2 决策模型求解及结果分析 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士期间发表论文 | 第53页 |