| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究概况 | 第11-14页 |
| 1.4 研究内容与技术路线 | 第14-17页 |
| 2 居民出行方式选择影响因素 | 第17-25页 |
| 2.1 出行方式概述 | 第17-18页 |
| 2.2 不同出行方式适用性分析 | 第18-19页 |
| 2.3 出行方式选择影响因素分析 | 第19-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 改进的GBDT——LightGBM机器学习原理 | 第25-46页 |
| 3.1 机器学习概述 | 第25-26页 |
| 3.2 传统机器学习方法 | 第26-38页 |
| 3.3 改进的GBDT——LightGBM | 第38-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于LightGBM的居民出行方式选择模型 | 第46-70页 |
| 4.1 模型基本假设 | 第46页 |
| 4.2 模型的构建 | 第46-48页 |
| 4.3 模型计算与检验 | 第48-50页 |
| 4.4 实例及分析 | 第50-69页 |
| 4.5 本章小结 | 第69-70页 |
| 5 模型应用——公交分担率影响因素分析 | 第70-76页 |
| 5.1 影响因素的选择 | 第70页 |
| 5.2 公交分担率影响因素实验 | 第70-75页 |
| 5.3 本章小结 | 第75-76页 |
| 6 结论与展望 | 第76-78页 |
| 6.1 论文主要结论 | 第76-77页 |
| 6.2 论文创新点 | 第77页 |
| 6.3 论文展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |