| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景与意义 | 第10-12页 |
| 1.2 国内外发展现状 | 第12-16页 |
| 1.2.1 国内外城市公交车到站时间预测系统发展现状 | 第13-14页 |
| 1.2.2 国内外城市公交车到站时间预测模型研究现状 | 第14-16页 |
| 1.3 论文结构与主要研究内容 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 到站时间定量预测系统技术分析 | 第18-27页 |
| 2.1 道路实时路况采集技术 | 第18-20页 |
| 2.2 公交车实时位置采集技术 | 第20-21页 |
| 2.3 数据预处理技术 | 第21-22页 |
| 2.4 基于GPS轨迹的地图匹配方法 | 第22-23页 |
| 2.5 软件开发相关技术 | 第23-26页 |
| 2.5.1 WebGIS | 第23-24页 |
| 2.5.2 Web Service | 第24-25页 |
| 2.5.3 数据缓存技术 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 到站时间定量预测模型研究 | 第27-34页 |
| 3.1 预测模型概述 | 第27页 |
| 3.2 基于历史数据和实时动态调整的混合预测模型 | 第27-30页 |
| 3.2.1 基于历史数据的静态预测模型 | 第27-28页 |
| 3.2.2 基于车辆实时速度的动态预测模型 | 第28-29页 |
| 3.2.3 基于历史数据和实时动态调整的混合预测模型 | 第29-30页 |
| 3.3 基于支持向量机的公交车路段运行时间预测模型 | 第30-31页 |
| 3.3.1 路段行驶时间定义 | 第30页 |
| 3.3.2 影响车辆路段运行时间的主要因素 | 第30-31页 |
| 3.3.3 影响预测结果的主要原因 | 第31页 |
| 3.4 基于BP神经网络的预测模型 | 第31-33页 |
| 3.5 模型评价体系 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 系统需求分析 | 第34-39页 |
| 4.1 总体需求 | 第34页 |
| 4.2 系统可行性分析 | 第34-35页 |
| 4.2.1 技术可行性 | 第34-35页 |
| 4.2.2 环境可行性 | 第35页 |
| 4.2.3 经济可行性 | 第35页 |
| 4.3 功能性需求分析 | 第35-36页 |
| 4.3.1 建立到站时间预测系统数据库 | 第35-36页 |
| 4.3.2 建立到站时间预测模型 | 第36页 |
| 4.3.3 多维度的统计与分析 | 第36页 |
| 4.3.4 基于百度地图的到站时间可视化展示 | 第36页 |
| 4.4 非功能性需求分析 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 系统设计与实现 | 第39-59页 |
| 5.1 系统架构设计 | 第39-40页 |
| 5.2 系统功能设计 | 第40-42页 |
| 5.3 数据库设计 | 第42-47页 |
| 5.4 系统功能实现 | 第47-58页 |
| 5.4.1 综合查询 | 第48-51页 |
| 5.4.2 动态监控 | 第51-53页 |
| 5.4.3 司机管理 | 第53-54页 |
| 5.4.4 公交车管理 | 第54页 |
| 5.4.5 站点管理 | 第54-55页 |
| 5.4.6 线路管理 | 第55页 |
| 5.4.7 系统管理 | 第55-57页 |
| 5.4.8 系统登录 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 研究总结 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
