基于实时客流数据的公交车辆调度优化研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 论文主要创新点 | 第17页 |
| 1.5 论文结构安排 | 第17-19页 |
| 2 关键技术介绍 | 第19-24页 |
| 2.1 自动乘客计数技术 | 第19页 |
| 2.2 全球卫星定位技术 | 第19-20页 |
| 2.3 移动通信技术 | 第20页 |
| 2.4 遗传算法 | 第20-22页 |
| 2.4.1 遗传算法概述 | 第20-21页 |
| 2.4.2 遗传算法优缺点 | 第21-22页 |
| 2.5 模拟退火算法 | 第22-24页 |
| 2.5.1 模拟退火算法概述 | 第22页 |
| 2.5.2 模拟退火算法优缺点 | 第22-24页 |
| 3 客流数据的采集和预处理 | 第24-37页 |
| 3.1 客流数据的采集 | 第24-27页 |
| 3.1.1 客流数据采集方式 | 第24-26页 |
| 3.1.2 客流数据采集方式比较 | 第26-27页 |
| 3.1.3 客流数据采集流程 | 第27页 |
| 3.2 客流数据的站点匹配 | 第27-33页 |
| 3.2.1 采集站点的经纬度数据 | 第28-30页 |
| 3.2.2 APC数据与GPS数据的时间匹配 | 第30-31页 |
| 3.2.3 APC数据的站点匹配 | 第31-33页 |
| 3.3 客流数据的统计分析 | 第33-36页 |
| 3.3.1 客流数据的不均衡特性 | 第33-35页 |
| 3.3.2 客流数据的周期变化规律 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于实时客流数据的发车时刻优化模型 | 第37-42页 |
| 4.1 问题分析与模型假设 | 第37-38页 |
| 4.1.1 问题分析 | 第37页 |
| 4.1.2 模型假设 | 第37-38页 |
| 4.2 符号定义 | 第38页 |
| 4.3 模型构建 | 第38-40页 |
| 4.3.1 目标函数 | 第38-40页 |
| 4.3.2 约束条件 | 第40页 |
| 4.4 模型汇总 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 基于改进的遗传-模拟退火算法的模型求解 | 第42-57页 |
| 5.1 遗传-模拟退火算法 | 第42-44页 |
| 5.1.1 遗传-模拟退火算法概述 | 第42页 |
| 5.1.2 遗传-模拟退火算法流程 | 第42-44页 |
| 5.2 改进的GA-SA算法设计 | 第44-51页 |
| 5.2.1 编码 | 第44页 |
| 5.2.2 约束条件的处理 | 第44-45页 |
| 5.2.3 适应度函数 | 第45-46页 |
| 5.2.4 初始化种群 | 第46页 |
| 5.2.5 算子设计 | 第46-49页 |
| 5.2.6 模拟退火操作 | 第49页 |
| 5.2.7 降温函数 | 第49-50页 |
| 5.2.8 终止条件的判断 | 第50页 |
| 5.2.9 算法流程 | 第50-51页 |
| 5.3 基于改进的GA-SA算法的仿真实验 | 第51-56页 |
| 5.3.1 问题分析 | 第51页 |
| 5.3.2 参数设置 | 第51-53页 |
| 5.3.3 仿真实验结果 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 总结 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62页 |
