| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-17页 |
| 1.3.1 国外研究现状 | 第12-14页 |
| 1.3.2 国内研究现状 | 第14-16页 |
| 1.3.3 我国公交发展现状与常用的求解方法 | 第16-17页 |
| 1.4 研究内容与技术路线 | 第17-19页 |
| 第2章 公交数据源分析与数据预处理 | 第19-29页 |
| 2.1 公交数据源分析 | 第19-22页 |
| 2.2 公交大数据处理 | 第22-29页 |
| 2.2.1 数据预处理概述 | 第23-25页 |
| 2.2.2 乘客历史乘车数据预处理 | 第25-26页 |
| 2.2.3 车辆GPS数据预处理 | 第26-29页 |
| 第3章 基于公交历史数据的分析与挖掘 | 第29-40页 |
| 3.1 数据挖掘简述 | 第29-31页 |
| 3.1.1 数据挖掘的任务 | 第29-30页 |
| 3.1.2 数据挖掘任务中的常用算法 | 第30-31页 |
| 3.2 公交乘客历史乘车数据的分析与挖掘 | 第31-37页 |
| 3.2.1 客流模式划分 | 第31-33页 |
| 3.2.2 客流量统计分析 | 第33-34页 |
| 3.2.3 基于APSO-BP神经网络的客流量预测 | 第34-37页 |
| 3.3 公交车辆GPS数据的分析与挖掘 | 第37-40页 |
| 3.3.1 公交车辆GPS数据相关的运营特性分析 | 第37-38页 |
| 3.3.2 基于历史GPS数据的到站时间预测 | 第38-40页 |
| 第4章 基于历史数据的公交调度研究 | 第40-50页 |
| 4.1 公交调度概述 | 第40页 |
| 4.2 基于乘客历史乘车数据的静态调度 | 第40-46页 |
| 4.2.1 静态调度问题分析 | 第40-41页 |
| 4.2.2 静态调度模型 | 第41-42页 |
| 4.2.3 模型求解方法 | 第42-46页 |
| 4.3 基于车辆GPS数据的动态调度 | 第46-50页 |
| 4.3.1 动态调度问题分析 | 第46-47页 |
| 4.3.2 动态调度方法 | 第47-50页 |
| 第5章 实例分析 | 第50-59页 |
| 5.1 实例现状分析 | 第50-51页 |
| 5.2 客流量模式划分 | 第51-53页 |
| 5.3 基于乘客历史乘车数据的静态调度 | 第53-57页 |
| 5.3.1 输入参数 | 第53页 |
| 5.3.2 算法实现 | 第53-54页 |
| 5.3.3 结果分析 | 第54-57页 |
| 5.4 动态调度 | 第57-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 主要结论 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录Ⅰ | 第66-69页 |
| 附录Ⅱ | 第69-70页 |
| 详细摘要 | 第70-73页 |