基于GPS的公交车辆到站预测模型设计与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·课题研究的理论意义和应用价值 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·研究内容和论文结构 | 第12-14页 |
| 第2章 系统综述及相关技术研究 | 第14-29页 |
| ·智能公交系统综述 | 第14-17页 |
| ·智能公交系统概念 | 第14页 |
| ·智能交通系统的一般构成 | 第14-16页 |
| ·智能交通系统的一般特点 | 第16页 |
| ·到站时间预测在系统中的作用 | 第16-17页 |
| ·影响到站时间的因素 | 第17页 |
| ·玉溪智能公交服务系统 | 第17-22页 |
| ·项目基础 | 第17-18页 |
| ·总体结构 | 第18-20页 |
| ·系统的功能 | 第20-21页 |
| ·系统的特点 | 第21-22页 |
| ·公交到站时间预测模型综述 | 第22-28页 |
| ·BP神经网络模型 | 第22-24页 |
| ·Elman神经网络模型 | 第24-26页 |
| ·SVM支持向量机模型 | 第26-27页 |
| ·公交到站时间预测模型选型 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 混合公交到站时间预测模型设计 | 第29-49页 |
| ·需求分析 | 第29-30页 |
| ·SVM支持向量机模型的相关知识 | 第30-38页 |
| ·数学模型 | 第30-34页 |
| ·算法流程 | 第34-35页 |
| ·最优化问题求解方法 | 第35-37页 |
| ·算法停止条件 | 第37-38页 |
| ·混合到站时间预测模型设计 | 第38-46页 |
| ·影响公交到站时间因素确立 | 第38页 |
| ·SVM支持向量机模型参数选择 | 第38-40页 |
| ·混合公交到站时间预测模型设计 | 第40-42页 |
| ·数据结构设计 | 第42-46页 |
| ·算例展示 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 公交到站时间预测功能的实现 | 第49-71页 |
| ·基于GPS和RFID的数据采集 | 第49-55页 |
| ·线网构成 | 第49页 |
| ·预测数据来源 | 第49-52页 |
| ·GPS数据转换 | 第52-55页 |
| ·基于SVM的到站预测模型实现 | 第55-60页 |
| ·混合公交到站时间模型的实现 | 第60-65页 |
| ·电子站牌接入互联网预测实现 | 第60-63页 |
| ·电子站牌不联网预测实现 | 第63-65页 |
| ·误差分析 | 第65-67页 |
| ·基于混合公交到站时间预测功能的应用 | 第67-70页 |
| ·电子站牌 | 第67-69页 |
| ·网页查询 | 第69页 |
| ·手机查询 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 结论 | 第71-74页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 攻读学位期间公开发表论文 | 第77-78页 |
| 致谢 | 第78页 |
