基于IC卡的公交客流时间规律研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究进展 | 第10-13页 |
| ·国外研究进展 | 第10-11页 |
| ·国内研究进展 | 第11-13页 |
| ·研究意义 | 第13页 |
| ·研究内容 | 第13-15页 |
| 第二章 公交IC卡数据分析 | 第15-24页 |
| ·公交IC卡产生背景 | 第15页 |
| ·公交系统基础信息 | 第15-19页 |
| ·公交IC卡信息 | 第15-18页 |
| ·公交线路及站点信息 | 第18页 |
| ·公交调度信息 | 第18-19页 |
| ·公交IC卡数据分析方法可行性 | 第19-21页 |
| ·与传统方法的比较 | 第19-20页 |
| ·数据保证 | 第20-21页 |
| ·技术支持 | 第21页 |
| ·公交IC卡数据应用分析 | 第21-23页 |
| ·公交IC卡可作为一种公交客流采集手段 | 第21-22页 |
| ·公交IC卡数据在公交规划中的应用 | 第22页 |
| ·公交IC卡数据在运营调度中的应用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 昆明市公交客流特征研究 | 第24-53页 |
| ·昆明市公交总体样本介绍 | 第24-25页 |
| ·昆明市公交总体客流特征 | 第25-38页 |
| ·公交日刷卡量变化特征 | 第25-26页 |
| ·公交周刷卡量变化特征 | 第26-29页 |
| ·公交小时刷卡量变化特征 | 第29-33页 |
| ·公交高峰小时刷卡量变化特征 | 第33-38页 |
| ·公交线路客流特征 | 第38-47页 |
| ·公交线路日刷卡量变化特征 | 第38-41页 |
| ·公交线路十五分钟刷卡量变化特征 | 第41-45页 |
| ·公交线路小时刷卡量变化 | 第45-47页 |
| ·不同群体出行时间分布 | 第47-51页 |
| ·工作日不同群体出行时间分布 | 第47-50页 |
| ·非工作日不同群体出行时间分布 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 公交客流统计特性应用 | 第53-73页 |
| ·确定抽样统计的最小样本量 | 第53-59页 |
| ·研究日刷卡量特征的最小样本量 | 第53-54页 |
| ·研究周刷卡量特征的最小样本量 | 第54-56页 |
| ·研究小时刷卡量特征的最小样本量 | 第56-59页 |
| ·公交系统需求稳定性分析 | 第59-62页 |
| ·稳定性检验概述 | 第59页 |
| ·公交日刷卡量稳定性分析 | 第59-60页 |
| ·公交线路日刷卡量稳定性分析 | 第60-61页 |
| ·公交线路小时刷卡量稳定性分析 | 第61-62页 |
| ·客流峰值聚类分析 | 第62-72页 |
| ·公交客流峰值聚类提出 | 第62页 |
| ·公交客流量峰值区间划分模型的建立 | 第62-63页 |
| ·峰值区间的聚类划分 | 第63-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 公交客流量预测方法研究 | 第73-87页 |
| ·ARIMA的客流预测模型 | 第73-75页 |
| ·时间序列的概念 | 第73页 |
| ·ARIMA模型的类别 | 第73-74页 |
| ·建模思路 | 第74-75页 |
| ·建模步骤 | 第75页 |
| ·实例分析 | 第75-86页 |
| ·ARIMA模型实例分析 | 第75-80页 |
| ·ARIMA-GARCH模型实例分析 | 第80-83页 |
| ·改进的ARIMA-GARCH模型实例分析 | 第83-85页 |
| ·模型分析 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第六章 结束语 | 第87-89页 |
| ·主要研究成果 | 第87-88页 |
| ·进一步研究方向 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 附录A | 第93页 |
