| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 论文研究的意义 | 第12-13页 |
| 1.3 PBS目前存在的问题 | 第13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 1.5 本文组织架构 | 第14-16页 |
| 第二章 国内外公共自行车研究现状 | 第16-22页 |
| 2.1 公共自行车站点租赁规律相关研究 | 第16-17页 |
| 2.2 交通流预测模型现状研究 | 第17-19页 |
| 2.3 公共自行车租借规律研究现状 | 第19-21页 |
| 2.3.1 公共自行车短时交通预测发展现状 | 第19-20页 |
| 2.3.2 长时交通预测发展现状 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 公共自行车站点内租借规律分析 | 第22-33页 |
| 3.1 数据采集与预处理 | 第22-25页 |
| 3.1.1 数据采集 | 第22-23页 |
| 3.1.2 数据预处理 | 第23-25页 |
| 3.2 租借行为特性分析 | 第25-28页 |
| 3.2.1 租借行为特性的分析 | 第25页 |
| 3.2.2 租借行为特性分析结果 | 第25-28页 |
| 3.3 出行时间特性分析 | 第28-30页 |
| 3.4 空间行为特性分析 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于K-means和朴素贝叶斯分类的公共自行车长时租借规律预测 | 第33-44页 |
| 4.1 数据预处理 | 第33-35页 |
| 4.2 基于K-means算法的聚类分析 | 第35-38页 |
| 4.3 应用朴素贝叶斯分类进行预测分类 | 第38-40页 |
| 4.4 多项式回归 | 第40-41页 |
| 4.5 公共自行车站点内长期租借趋势仿真实验与结果分析 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 基于粒子群优化支持向量机的公共自行车短时租借预测 | 第44-58页 |
| 5.1 基于粒子群优化的支持向量机预测模型 | 第44-49页 |
| 5.1.1 支持向量机（SVM）概述 | 第44-46页 |
| 5.1.2 粒子群算法概述 | 第46-48页 |
| 5.1.3 粒子群优化支持向量机预测模型 | 第48-49页 |
| 5.2 可租用公共自行车数目预测评价指标 | 第49-50页 |
| 5.3 基于差分指数平滑模型对预测结果进行改进 | 第50-53页 |
| 5.3.1 一次指数平滑模型概述 | 第51-52页 |
| 5.3.2 一阶差分指数平滑模型概述 | 第52-53页 |
| 5.3.3 基于DIS方法对预测结果的改进 | 第53页 |
| 5.4 仿真实验结果与分析 | 第53-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 今后工作展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66-67页 |
| 中文详细摘要 | 第67-70页 |
