基于GPS数据的公交车辆动态调度研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究的目的和意义 | 第11-13页 |
| 1.3 国内外研究现状及趋势 | 第13-16页 |
| 1.3.1 到站预测 | 第13-14页 |
| 1.3.2 客流预测 | 第14-15页 |
| 1.3.3 调度算法 | 第15-16页 |
| 1.4 主要研究内容 | 第16-17页 |
| 1.5 研究的方法与技术路线 | 第17-18页 |
| 1.5.1 研究方法 | 第17-18页 |
| 1.5.2 技术路线 | 第18页 |
| 1.6 论文的结构及主要创新点 | 第18-21页 |
| 2 公交到站时间预测 | 第21-37页 |
| 2.1 公交靠站检测算法 | 第21-26页 |
| 2.1.1 数据准备 | 第21-22页 |
| 2.1.2 算法过程 | 第22-25页 |
| 2.1.3 算法校验 | 第25-26页 |
| 2.2 公交到站时间预测模型 | 第26-35页 |
| 2.2.1 公交到站时间预测概述 | 第26-28页 |
| 2.2.2 基于BP神经网络的公交到站时间预测 | 第28-30页 |
| 2.2.3 预测结果评价 | 第30-35页 |
| 2.3 本章小结 | 第35-37页 |
| 3 公交站点客流预测 | 第37-47页 |
| 3.1 公交客流数据获取 | 第37-39页 |
| 3.2 公交客流数据统计与计算 | 第39-42页 |
| 3.3 公交客流数据预测 | 第42-45页 |
| 3.3.1 满载情况上车率处理 | 第43-44页 |
| 3.3.2 指数平滑法预测 | 第44页 |
| 3.3.3 预测结果 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 发车频率优化模型 | 第47-66页 |
| 4.1 模型 | 第48-53页 |
| 4.1.1 模型的假设 | 第48页 |
| 4.1.2 模型的建立 | 第48-52页 |
| 4.1.3 建立罚函数 | 第52-53页 |
| 4.2 算法选择 | 第53-61页 |
| 4.2.1 传统遗传算法 | 第53-55页 |
| 4.2.2 改进遗传算法 | 第55-61页 |
| 4.3 仿真验证 | 第61-64页 |
| 4.3.1 仿真过程 | 第61-63页 |
| 4.3.2 模型评价 | 第63-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 结论与展望 | 第66-68页 |
| 5.1 研究结论 | 第66页 |
| 5.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间参加的研究工作和获得的学术成果 | 第73页 |
