| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景与研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 公交到站时间预测研究现状 | 第12-15页 |
| 1.2.2 公交车内拥挤研究现状 | 第15-16页 |
| 1.3 研究内容与论文章节安排 | 第16-20页 |
| 第2章 公交到站时间影响因素分析与模型输入向量选取 | 第20-28页 |
| 2.1 公交到站时间影响因素分析 | 第20-24页 |
| 2.1.1 行驶过程影响因素 | 第21-22页 |
| 2.1.2 站点停靠影响因素 | 第22-23页 |
| 2.1.3 交通信号影响因素 | 第23页 |
| 2.1.4 交通影响因素 | 第23-24页 |
| 2.2 预测模型输入向量的选择 | 第24-27页 |
| 2.2.1 基于影响因素的预测模型输入变量 | 第24-25页 |
| 2.2.2 基于综合影响的预测模型输入变量 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 公交到站时间预测实验结果分析 | 第28-36页 |
| 3.1 预测模型常用算法介绍 | 第28-29页 |
| 3.1.1 BP神经网络 | 第28页 |
| 3.1.2 SVM支持向量机 | 第28-29页 |
| 3.1.3 KNN最邻近算法 | 第29页 |
| 3.1.4 LR线性回归 | 第29页 |
| 3.2 基于GPS数据的模型输入数据 | 第29-32页 |
| 3.3 实验结果对比与分析 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 公交车内拥挤感知与拥挤程度预测方法研究 | 第36-42页 |
| 4.1 拥挤感知理论 | 第36-37页 |
| 4.2 公交车内拥挤原因 | 第37页 |
| 4.3 基于视觉感受调查的公交车内拥挤程度等级划分 | 第37-40页 |
| 4.4 公交车内拥挤程度预测方法 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于BP神经网络的公交到站时间与拥挤程度预测 | 第42-54页 |
| 5.1 BP神经网络 | 第42-47页 |
| 5.1.1 神经元模型 | 第42-44页 |
| 5.1.2 BP神经网络结构 | 第44页 |
| 5.1.3 误差逆传播算法 | 第44-47页 |
| 5.2 基于BP神经网络的预测模型 | 第47-48页 |
| 5.2.1 预测模型的输入与输出 | 第47页 |
| 5.2.2 预测模型的结构 | 第47-48页 |
| 5.3 预测模型工作原理 | 第48-50页 |
| 5.4 模型预期结果展示 | 第50-52页 |
| 5.5 本章小结 | 第52-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间所发表的学术论文及专利 | 第60-62页 |
| 致谢 | 第62页 |
