| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外公交研究现状综述 | 第9-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 国内外智能运输系统研究现状 | 第12-13页 |
| 1.3.1 国外智能运输系统研究现状 | 第12-13页 |
| 1.3.2 国内智能运输系统研究现状 | 第13页 |
| 1.4 研究内容 | 第13-15页 |
| 第二章 公共交通系统与 GPS 技术 | 第15-23页 |
| 2.1 GPS 基本理论 | 第15-18页 |
| 2.1.1 GPS 组成 | 第15-16页 |
| 2.1.2 GPS 优点 | 第16-17页 |
| 2.1.3 GPS 定位原理 | 第17页 |
| 2.1.4 GPS 定位误差 | 第17-18页 |
| 2.2 公共交通系统 | 第18-21页 |
| 2.2.1 公共交通的特征 | 第18-19页 |
| 2.2.2 公共交通优先通行系统 | 第19-21页 |
| 2.3 公交系统应用 GPS 技术综述 | 第21-23页 |
| 第三章 基于动态客流的公交发车频率优化模型 | 第23-43页 |
| 3.1 模型概述 | 第23-24页 |
| 3.2 立足于 IC 卡和 GPS 的公交实时客流预测模型 | 第24-31页 |
| 3.2.1 GPS 和公交 IC 卡信息采集 | 第25-29页 |
| 3.2.2 下车站点实时预测模型 | 第29-31页 |
| 3.2.3 统计公交线路客流 | 第31页 |
| 3.3 优化发车频率模型研究 | 第31-43页 |
| 3.3.1 构建模型的思路和假设 | 第32-33页 |
| 3.3.2 建立模型 | 第33-36页 |
| 3.3.3 基于遗传算法的模型求解 | 第36-43页 |
| 第四章 公交车辆动态调度模型 | 第43-59页 |
| 4.1 实时调度 | 第43-45页 |
| 4.1.1 站点调度 | 第43-45页 |
| 4.1.2 站点间调度 | 第45页 |
| 4.2 BP 神经网络基础的公交运行时间实时预测模型 | 第45-49页 |
| 4.2.1 选择和获取模型输入变量 | 第46-47页 |
| 4.2.2 BP 算法实现步骤和流程图 | 第47-48页 |
| 4.2.3 模型分析 | 第48-49页 |
| 4.3 动态调度策略分析 | 第49-55页 |
| 4.3.1 基于发车间隔的动态滞站策略 | 第49-52页 |
| 4.3.2 基于公交信号优先动态调度策略 | 第52-55页 |
| 4.4 动态调度模型 | 第55-59页 |
| 第五章 结论和展望 | 第59-61页 |
| 5.1 结论 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |