基于数据挖掘的客流特征提取及公交调度优化研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.2.3 研究现状总结 | 第15页 |
| 1.3 研究目标与内容 | 第15-17页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-17页 |
| 第2章 公交数据采集技术研究 | 第17-25页 |
| 2.1 传统人工调查采集技术 | 第17-18页 |
| 2.2 智能公交数据采集技术 | 第18-20页 |
| 2.2.1 公交IC卡数据采集技术 | 第18-19页 |
| 2.2.2 公交GPS数据采集技术 | 第19页 |
| 2.2.3 其它智能采集技术 | 第19-20页 |
| 2.3 公交IC卡和GPS数据的介绍 | 第20-23页 |
| 2.3.1 公交IC卡数据结构 | 第20-21页 |
| 2.3.2 公交GPS数据结构 | 第21-23页 |
| 2.3.3 公交站点以及线路数据 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 公交线路客流分布特征分析 | 第25-43页 |
| 3.1 数据预处理 | 第25-28页 |
| 3.1.1 IC卡数据预处理 | 第25-27页 |
| 3.1.2 GPS数据预处理 | 第27-28页 |
| 3.2 公交乘客上车站点识别分析 | 第28-33页 |
| 3.2.1 上车站点的识别机理分析 | 第29-30页 |
| 3.2.2 IC卡数据与GPS数据时间差分析 | 第30-31页 |
| 3.2.3 上车站点的识别流程 | 第31-33页 |
| 3.3 公交乘客下车站点判断分析 | 第33-42页 |
| 3.3.1 基于连续出行链的乘客下车站点判断 | 第33-36页 |
| 3.3.2 基于概率分布的下车站点判断 | 第36-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 公交车辆调度优化研究 | 第43-54页 |
| 4.1 常规公交车辆的调度介绍 | 第43-45页 |
| 4.1.1 常规公交车辆调度的形式 | 第43-44页 |
| 4.1.2 公交车辆调度作业流程介绍 | 第44-45页 |
| 4.2 相关参数介绍 | 第45-49页 |
| 4.2.1 相关参数的获取 | 第45-47页 |
| 4.2.2 发车间隔的确定 | 第47-49页 |
| 4.3 线路发车间隔优化模型的建立 | 第49-53页 |
| 4.3.1 模型假设 | 第49-50页 |
| 4.3.2 目标函数 | 第50-52页 |
| 4.3.3 约束条件 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 实例分析 | 第54-64页 |
| 5.1 数据准备 | 第54-56页 |
| 5.2 线路乘客上下站点分布 | 第56-58页 |
| 5.3 线路发车间隔优化 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
