| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景、目的及意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究的目的 | 第15页 |
| 1.1.3 研究的意义 | 第15-16页 |
| 1.2 研究内容与方法 | 第16-17页 |
| 1.2.1 研究内容 | 第16页 |
| 1.2.2 研究的方法 | 第16-17页 |
| 1.3 论文的结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 公交车路段运行时间预测技术现状及相关基础 | 第19-31页 |
| 2.1 国内外公交车信息采集现状 | 第19-20页 |
| 2.2 国内外公交车路段运行时间预测技术的发展现状及分析 | 第20-23页 |
| 2.2.1 基于历史数据的预测模型 | 第20-21页 |
| 2.2.2 时间序列模型 | 第21-22页 |
| 2.2.3 神经网络预测模型 | 第22页 |
| 2.2.4 卡尔曼滤波模型 | 第22-23页 |
| 2.2.5 公交车路段运行时间预测模型的分析 | 第23页 |
| 2.3 公交车辆运行数据采集技术 | 第23-29页 |
| 2.3.1 智能公交系统的组成与功能 | 第23-24页 |
| 2.3.2 GPS数据采集技术 | 第24-28页 |
| 2.3.3 GPS智能调度系统及功能介绍 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 城市公交车辆运行数据预处理与分析 | 第31-44页 |
| 3.1 公交车数据采集 | 第31-33页 |
| 3.1.1 公交GPS原始数据内容 | 第31-32页 |
| 3.1.2 公交数据采集的主要方法 | 第32-33页 |
| 3.1.3 公交数据采集的主要内容 | 第33页 |
| 3.2 公交车GPS原始数据预处理 | 第33-37页 |
| 3.2.1 异常数据的产生原因 | 第34页 |
| 3.2.2 异常数据的处理方式 | 第34-37页 |
| 3.3 公交运行时间数据分析 | 第37-43页 |
| 3.3.1 公交车路线运行时间的获得与分析 | 第37-40页 |
| 3.3.2 公交车路段的划分与影响因素的分析 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 公交车路段运行时间预测模型的建立 | 第44-52页 |
| 4.1 概述 | 第44页 |
| 4.2 基于支持向量机的静态公交运行时间预测模型 | 第44-48页 |
| 4.2.1 基于支持向量机原理 | 第45-46页 |
| 4.2.2 基于支持向量机静态模型的建立 | 第46-47页 |
| 4.2.3 基于支持向量机参数选择与分析 | 第47-48页 |
| 4.3 混合型公交运行时间预测模型 | 第48-51页 |
| 4.3.1 基于公交车辆实时速度和经纬度的半站路段行程时间预测模型 | 第49-50页 |
| 4.3.2 基于权重动态分配的整站站点公交行程时间预测模型 | 第50页 |
| 4.3.3 混合型公交运行时间预测模型 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 公交车路段运行时间预测实验结果与分析 | 第52-56页 |
| 5.1 实验设计与流程 | 第52页 |
| 5.2 公交到站时间预测方法 | 第52-53页 |
| 5.3 预测结果对比分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 工作总结与展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士研究生期间研究成果 | 第65-66页 |
| 附件 | 第66页 |
