基于交通一卡通大数据的公交客流分析与预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第12-18页 |
| 1.1. 研究背景及意义 | 第12-13页 |
| 1.2. 国内外研究现状 | 第13-15页 |
| 1.3. 论文主要研究内容与结构 | 第15-18页 |
| 第二章 原始数据采集与预处理 | 第18-28页 |
| 2.1. 数据的采集与描述 | 第18-22页 |
| 2.1.1. 公交IC刷卡数据 | 第18-20页 |
| 2.1.2. 天气状况数据 | 第20页 |
| 2.1.3. 公交线路及站点数据 | 第20-22页 |
| 2.2. 数据预处理 | 第22-26页 |
| 2.2.1. 数据清洗 | 第22-23页 |
| 2.2.2. 数据融合 | 第23-24页 |
| 2.2.3. 数据变换 | 第24-25页 |
| 2.2.4. 数据归约 | 第25-26页 |
| 2.3. 本章小结 | 第26-28页 |
| 第三章 公交客流的分布特性分析 | 第28-46页 |
| 3.1. 公交客流的时间分布特性分析 | 第29-39页 |
| 3.1.1. 整体分析 | 第29-31页 |
| 3.1.2. 工作日客流分析 | 第31-36页 |
| 3.1.3. 非工作日客流分析 | 第36-39页 |
| 3.2. 公交客流的人群分布特性分析 | 第39-42页 |
| 3.2.1. 普通卡-学生卡-老人卡 | 第39-41页 |
| 3.2.2. 常客和随机客 | 第41-42页 |
| 3.3. 公交客流的影响因素分析 | 第42-45页 |
| 3.3.1. 天气类型 | 第42-43页 |
| 3.3.2. 最高温度 | 第43-44页 |
| 3.3.3. 最低温度 | 第44页 |
| 3.3.4. 风力 | 第44-45页 |
| 3.4. 本章小结 | 第45-46页 |
| 第四章 模型的建立与检验 | 第46-58页 |
| 4.1. 公交IC卡数据分析目标 | 第46页 |
| 4.2. 方案选择 | 第46-47页 |
| 4.3. 工作流程简述 | 第47页 |
| 4.4. 数据预处理 | 第47-49页 |
| 4.4.1. 特征构建 | 第47页 |
| 4.4.2. 量化特征 | 第47-48页 |
| 4.4.3. 训练集构建 | 第48-49页 |
| 4.5. 模型比较与选择 | 第49-55页 |
| 4.5.1. 多元线性回归 | 第49-50页 |
| 4.5.2. 支持向量机回归(SVR)模型 | 第50-53页 |
| 4.5.3. 神经网络模型 | 第53-55页 |
| 4.6. 模型检验 | 第55页 |
| 4.7. 确定模型 | 第55-56页 |
| 4.8. 本章小结 | 第56-58页 |
| 第五章 实例验证分析 | 第58-64页 |
| 5.1. 数据选择与工作流程 | 第58-59页 |
| 5.2. 模型建立与预测 | 第59-62页 |
| 5.3. 模型检验 | 第62-63页 |
| 5.4. 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的论文 | 第70-74页 |
| 致谢 | 第74-76页 |
| 附录 | 第76-82页 |
