| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 论文结构和主要内容 | 第9-11页 |
| 第二章 智能公交调度监控系统概述 | 第11-19页 |
| 2.1 公交系统概述及其信息化智能化 | 第11页 |
| 2.2 智能公交调度系统的组成 | 第11-13页 |
| 2.2.1 智能公交调度监控系统的物理组成 | 第11-12页 |
| 2.2.2 智能公交调度监控系统的逻辑组成 | 第12-13页 |
| 2.2.3 公交到站时间预测子系统 | 第13页 |
| 2.3 国内外当前发展状况 | 第13-19页 |
| 2.3.1 智能公交系统当今发展状况 | 第13-16页 |
| 2.3.2 当前的公交车辆到站时间预测技术 | 第16-19页 |
| 第三章 公交车辆行驶规律分析 | 第19-43页 |
| 3.1 数据存储结构 | 第19-21页 |
| 3.2 影响车辆行驶的外部条件因素分析 | 第21-26页 |
| 3.2.1 自然环境影响 | 第21-24页 |
| 3.2.2 人为因素影响 | 第24-26页 |
| 3.3 公交车辆行驶时间的时间段规律 | 第26-34页 |
| 3.3.1 公交车辆行驶时间和时段的聚类分析 | 第26-30页 |
| 3.3.2 同日同时间段内公交车辆行驶时间规律 | 第30-34页 |
| 3.4 公交车辆行驶时间历史同时间段之间规律 | 第34-38页 |
| 3.5 公交车辆路段行驶速度预测 | 第38-43页 |
| 3.5.1 指数平滑方法 | 第40页 |
| 3.5.2 车辆速度预测模型 | 第40-43页 |
| 第四章 到站时间预测模型建立 | 第43-54页 |
| 4.1 机器学习相关算法介绍 | 第43-46页 |
| 4.1.1 前馈神经网络 | 第43-45页 |
| 4.1.2 多元线性模型及梯度下降训练算法 | 第45-46页 |
| 4.2 到站时间预测模型的总体设计 | 第46-48页 |
| 4.3 到达下一站时间预测模型设计 | 第48-50页 |
| 4.4 路段行驶时间预测模型设计 | 第50-51页 |
| 4.5 车辆停靠时间预测模型 | 第51-52页 |
| 4.6 设计总结 | 第52-54页 |
| 第五章 数据测试分析及系统实现 | 第54-71页 |
| 5.1 训练集及测试集构建 | 第54-58页 |
| 5.1.1 到达下一站时间预测模型训练集测试集构建 | 第54-56页 |
| 5.1.2 路段行驶时间预测模型训练集合测试集构建 | 第56-58页 |
| 5.2 模型测试和数据分析 | 第58-65页 |
| 5.2.1 到达下一站预测模型测试分析 | 第58-60页 |
| 5.2.2 路段行驶时间预测模型测试分析 | 第60-62页 |
| 5.2.3 公交车辆到站时间预测模型整体测试分析 | 第62-65页 |
| 5.3 公交到站时间预测系统实现 | 第65-70页 |
| 5.3.1 泛化器子系统实现 | 第65-66页 |
| 5.3.2 执行子系统实现 | 第66-67页 |
| 5.3.3 预测系统测试 | 第67-70页 |
| 5.4 本章总结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |