基于IC和GPS数据的公交客流分析及预测算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.2.1 研究背景 | 第9-10页 |
| 1.2.2 研究意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 研究框架及数据集 | 第16-31页 |
| 2.1 大数据平台技术 | 第16-17页 |
| 2.2 研究框架设计 | 第17-18页 |
| 2.3 多源数据集分析 | 第18-20页 |
| 2.3.1 深圳通IC刷卡数据 | 第18-19页 |
| 2.3.2 公交GPS数据 | 第19页 |
| 2.3.3 公交线路站点静态数据 | 第19-20页 |
| 2.4 数据清洗 | 第20-30页 |
| 2.4.1 无损清洗方案设计 | 第20-22页 |
| 2.4.2 深圳通IC刷卡数据清洗 | 第22-25页 |
| 2.4.3 公交GPS数据清洗 | 第25-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 公交OD数据提取算法研究与实现 | 第31-53页 |
| 3.1 OD数据提取算法设计与分析 | 第31-41页 |
| 3.1.1 数据特点分析 | 第31页 |
| 3.1.2 应用场景分析 | 第31-32页 |
| 3.1.3 乘客上车站点数据提取算法设计 | 第32-37页 |
| 3.1.4 乘客下车站点数据提取算法设计 | 第37-41页 |
| 3.2 OD 数据提取算法实现 | 第41-51页 |
| 3.2.1 实验数据集及流程设计 | 第41-42页 |
| 3.2.2 OD数据提取算法实现 | 第42-47页 |
| 3.2.3 实验结果分析 | 第47-51页 |
| 3.3 算法评估 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 站点客流预测模型的研究与实现 | 第53-81页 |
| 4.1 客流数据特征分析 | 第53-61页 |
| 4.1.1 整体特征分析 | 第53-56页 |
| 4.1.2 个体特征分析 | 第56-59页 |
| 4.1.3 相关性分析 | 第59-61页 |
| 4.2 对比预测模型选取 | 第61-65页 |
| 4.2.1 基于三次指数平滑的客流预测模型 | 第61-62页 |
| 4.2.2 基于自回归的客流预测模型 | 第62-63页 |
| 4.2.3 基于线性回归的客流预测模型 | 第63-64页 |
| 4.2.4 各模型特点分析 | 第64-65页 |
| 4.3 站点客流预测模型的构建 | 第65-72页 |
| 4.3.1 融合相似度函数的粗略估计 | 第66-67页 |
| 4.3.2 基于灰色马尔科夫的残差纠偏 | 第67-72页 |
| 4.4 公交站点客流预测实证研究 | 第72-79页 |
| 4.4.1 实验环境 | 第72页 |
| 4.4.2 实验数据集 | 第72-73页 |
| 4.4.3 模型评估指标 | 第73-74页 |
| 4.4.4 模型实现 | 第74-77页 |
| 4.4.5 结果分析 | 第77-79页 |
| 4.5 成果应用 | 第79-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第5章 总结与展望 | 第81-83页 |
| 5.1 本文主要研究成果 | 第81-82页 |
| 5.2 未来工作展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 攻读学位期间的学术成果及参与的科研项目 | 第87页 |
