公交串车现象的机理解释与预测方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与研究意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 公交串车现象的理论分析 | 第12-13页 |
| 1.2.2 公交串车过程的预测方法 | 第13-16页 |
| 1.3 研究目标与内容 | 第16-17页 |
| 1.3.1 研究目标 | 第16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.4 技术路线 | 第17-18页 |
| 第2章 公交数据预处理及关键信息提取 | 第18-30页 |
| 2.1 公交数据预处理方法 | 第18-22页 |
| 2.1.1 数据筛选 | 第18-20页 |
| 2.1.2 数据清洗 | 第20-21页 |
| 2.1.3 车辆轨迹纠偏 | 第21-22页 |
| 2.2 关键信息提取 | 第22-29页 |
| 2.2.1 到离节点的时间信息提取 | 第22-27页 |
| 2.2.2 车头时距的基本特征 | 第27-28页 |
| 2.2.3 乘客上车站点识别 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 公交串车行为的机理性建模 | 第30-44页 |
| 3.1 公交串车成因分析 | 第30-31页 |
| 3.2 公交串车的动力学方程 | 第31-35页 |
| 3.2.1 串车的定义 | 第31-33页 |
| 3.2.2 公交串车的模型建立 | 第33-35页 |
| 3.3 驻站时间模型 | 第35-36页 |
| 3.4 交叉口通过模型 | 第36-39页 |
| 3.4.1 交叉口配时推断 | 第36-37页 |
| 3.4.2 交叉口通过时间计算 | 第37-39页 |
| 3.5 区间运行时间模型 | 第39-43页 |
| 3.5.1 区间运行时间的候选统计分布 | 第39-41页 |
| 3.5.2 候选分布的参数估计 | 第41-42页 |
| 3.5.3 拟合优度的假设检验 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于实时数据的串车模型参数标定 | 第44-56页 |
| 4.1 驻站时间模型参数估计 | 第44-46页 |
| 4.1.1 公交人均刷卡时间标定 | 第44页 |
| 4.1.2 乘客到达率拟合 | 第44-45页 |
| 4.1.3 误差项拟合 | 第45-46页 |
| 4.2 交叉口信号参数估计 | 第46-50页 |
| 4.2.1 交叉口信号周期计算 | 第46-49页 |
| 4.2.2 交叉口信号配时计算 | 第49页 |
| 4.2.3 信号配时参数验证 | 第49-50页 |
| 4.3 区间运行时间拟合 | 第50-55页 |
| 4.3.1 各候选分布拟合效果 | 第51-54页 |
| 4.3.2 划分时间窗的参数估计 | 第54-55页 |
| 4.4 本章小节 | 第55-56页 |
| 第5章 公交串车过程预测方法 | 第56-67页 |
| 5.1 预测方法综述 | 第56-58页 |
| 5.1.1 神经网络 | 第56页 |
| 5.1.2 最小二乘支持向量机 | 第56-57页 |
| 5.1.3 卡尔曼滤波 | 第57-58页 |
| 5.2 基于粒子滤波思想的公交串车预测模型 | 第58-63页 |
| 5.2.1 粒子滤波算法 | 第58-60页 |
| 5.2.2 公交串车预测模型建立 | 第60-62页 |
| 5.2.3 性能评价指标 | 第62-63页 |
| 5.3 公交串车模型预测结果 | 第63-65页 |
| 5.3.1 公交到站时间预测结果 | 第63-64页 |
| 5.3.2 公交串车预测分析 | 第64-65页 |
| 5.4 串车现象改善策略 | 第65页 |
| 5.5 本章小节 | 第65-67页 |
| 结论与展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录1：区间运行时间拟合效果图 | 第74-78页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第78页 |
