摘要 | 第4-5页 |
abstract | 第5页 |
第一章 研究概论 | 第8-18页 |
1.1 研究背景及意义 | 第8-10页 |
1.1.1 研究背景 | 第8-9页 |
1.1.2 研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-15页 |
1.2.1 国外研究现状 | 第10-11页 |
1.2.2 国内研究现状 | 第11-14页 |
1.2.3 研究述评 | 第14-15页 |
1.3 研究内容与方法 | 第15-18页 |
1.3.1 研究内容 | 第15-16页 |
1.3.2 研究方法 | 第16页 |
1.3.3 研究技术路线 | 第16-18页 |
第二章 城市低碳交通相关理论概述 | 第18-26页 |
2.1 低碳理论 | 第18-19页 |
2.1.1 低碳经济 | 第18页 |
2.1.2 低碳城市 | 第18-19页 |
2.1.3 低碳社会 | 第19页 |
2.2 城市低碳交通概念与内涵 | 第19-20页 |
2.3 城市低碳交通系统构成 | 第20-22页 |
2.3.1 城市交通系统 | 第20-21页 |
2.3.2 城市低碳交通系统 | 第21-22页 |
2.4 城市低碳交通系统影响因素分析 | 第22-25页 |
2.5 本章小结 | 第25-26页 |
第三章 城市低碳交通发展评价指标体系构建 | 第26-41页 |
3.1 评价指标体系构建原则 | 第26-27页 |
3.2 评价指标的选择 | 第27-30页 |
3.2.1 评价指标体系结构选择 | 第27-28页 |
3.2.2 评价指标初选 | 第28-30页 |
3.2.3 评价指标筛选 | 第30页 |
3.3 评价指标体系的建立 | 第30-32页 |
3.4 指标定义及量化方法 | 第32-40页 |
3.4.1 低碳交通基础设施评价指标 | 第32-33页 |
3.4.2 低碳交通运输工具评价指标 | 第33-34页 |
3.4.3 城市交通碳排放强度评价指标 | 第34-37页 |
3.4.4 智能交通与信息化评价指标 | 第37-38页 |
3.4.5 低碳交通体系建设评价指标 | 第38-40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于BP神经网络的城市低碳交通发展评价模型 | 第41-48页 |
4.1 评价方法简介 | 第41-43页 |
4.1.1 层次分析法(AHP) | 第41页 |
4.1.2 灰色综合评价法 | 第41-42页 |
4.1.3 模糊综合评价法 | 第42页 |
4.1.4 数据包络分析法(DEA) | 第42页 |
4.1.5 人工神经网络评价法 | 第42-43页 |
4.2 评价方法述评及选择 | 第43页 |
4.3 评价模型的构建 | 第43-47页 |
4.3.1 BP神经网络结构 | 第43-45页 |
4.3.2 BP神经网络学习算法 | 第45页 |
4.3.3 BP神经网络实现步骤 | 第45-47页 |
4.4 本章小结 | 第47-48页 |
第五章 西安市低碳交通发展评价实例 | 第48-64页 |
5.1 待评价城市背景简介 | 第48页 |
5.2 基于BP神经网络的评价 | 第48-61页 |
5.2.1 样本数据采集及处理 | 第48-52页 |
5.2.2 设计BP神经网络结构 | 第52-53页 |
5.2.3 建立BP神经网络 | 第53-58页 |
5.2.4 BP神经网络评价模型训练及仿真 | 第58-60页 |
5.2.5 城市低碳交通发展评价实现过程 | 第60-61页 |
5.3 评价实例结果分析 | 第61页 |
5.4 西安市低碳交通发展的措施与建议 | 第61-63页 |
5.4.1 加强低碳交通基础设施的建设 | 第61-62页 |
5.4.2 加快低碳交通运输工具的推广 | 第62页 |
5.4.3 提升城市交通碳排放管理水平 | 第62页 |
5.4.4 加快智能交通与信息化系统建设 | 第62-63页 |
5.4.5 推进低碳交通体系的构建 | 第63页 |
5.5 本章小结 | 第63-64页 |
结论与展望 | 第64-66页 |
6.1 主要研究结论 | 第64页 |
6.2 论文的创新点 | 第64-65页 |
6.3 研究展望 | 第65-66页 |
参考文献 | 第66-69页 |
附录 | 第69-72页 |
攻读硕士学位期间取得的研究成果 | 第72-73页 |
致谢 | 第73页 |