| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.2 国内外研究综述 | 第10-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 研究现状分析 | 第13-14页 |
| 1.3 研究内容与技术路线 | 第14-15页 |
| 1.4 研究关键问题及其解决方法 | 第15-16页 |
| 1.5 论文组织与框架结构 | 第16-17页 |
| 第二章 公交车行驶信息提取 | 第17-25页 |
| 2.1 公交车数据采集 | 第17-18页 |
| 2.2 GPS原始数据说明 | 第18-19页 |
| 2.3 公交车行驶数据提取 | 第19-23页 |
| 2.3.1 插值处理 | 第19页 |
| 2.3.2 行驶数据提取方法 | 第19-22页 |
| 2.3.3 GPS数据处理方法总结 | 第22-23页 |
| 2.4 实例数据处理结果 | 第23-25页 |
| 第三章 公交车停站时间预测 | 第25-33页 |
| 3.1 公交站停靠时间影响因素分析 | 第25-26页 |
| 3.2 基于历史数据均值的停站时间预测 | 第26-28页 |
| 3.2.1 预测模型建立 | 第26-28页 |
| 3.2.2 预测模型实例验证 | 第28页 |
| 3.3 基于KNN的停站时间预测 | 第28-32页 |
| 3.3.1 预测模型建立 | 第29-30页 |
| 3.3.2 预测模型实例验证 | 第30-32页 |
| 3.4 两种停站时间预测模型对比 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 站间行程时间预测 | 第33-47页 |
| 4.1 基于历史平均值的站间行程时间预测 | 第33-35页 |
| 4.1.1 预测模型建立 | 第33-34页 |
| 4.1.2 实例验证 | 第34-35页 |
| 4.2 基于时间序列的站间行程时间预测 | 第35-37页 |
| 4.2.1 预测模型建立 | 第35页 |
| 4.2.2 预测模型输入数据 | 第35-36页 |
| 4.2.3 实例验证 | 第36-37页 |
| 4.3 基于SVM的站间行程时间预测模型 | 第37-43页 |
| 4.3.1 标准支持向量机模型介绍 | 第37-39页 |
| 4.3.2 支持向量机回归预测模型 | 第39页 |
| 4.3.3 基于支持向量机回归的站间行程时间预测模型 | 第39-41页 |
| 4.3.4 站间行程时间预测模型输入数据 | 第41页 |
| 4.3.5 实例验证 | 第41-43页 |
| 4.4 站间行程时间预测模型的预测结果对比 | 第43-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 公交到站时间预测模型 | 第47-52页 |
| 5.1 到站时间预测模型 | 第47-48页 |
| 5.2 到站时间预测实例 | 第48-50页 |
| 5.3 公交到站时间信息服务系统框架 | 第50-52页 |
| 第六章 总结与展望 | 第52-55页 |
| 6.1 主要研究总结 | 第52-53页 |
| 6.2 主要创新点 | 第53-54页 |
| 6.3 研究展望 | 第54-55页 |
| 附录 | 第55-59页 |
| 致谢 | 第59-60页 |
| 硕士期间研究成果 | 第60-61页 |
| 参考文献 | 第61-63页 |