声明
摘要
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文组织结构
1.5 本章小结
第2章 相关理论技术
2.1 卡尔曼滤波理论
2.2 支持向量机理论
2.2.1 VC维与结构风险
2.2.2 分类预测原理
2.2.3 松弛变量与惩罚因子
2.2.4 核函数
2.3 网格搜索算法
2.4 粒子群算法
2.5 聚类分析理论
2.6 本章小结
第3章 公交车行驶规律分析
3.1 GPS数据采集及预处理
3.1.1 数据误差产生原因
3.1.2 数据误差处理
3.2 相关数据存储
3.3 公交到站时间影响因素分析
3.3.1 路段行驶影响因素
3.3.2 站点停靠影响因素
3.3.3 影响因素综合分析
3.4 公交车行驶规律分析
3.4.1 公交车行驶时间和时段分析
3.4.2 公交车行驶时间同日同时段规律
3.4.3 公交车行驶时间历史同时段规律
3.5 公交车路段行驶速度估计
3.6 本章小结
第4章 公交到站时间预测模型建立
4.1 到站时间预测模型总体设计
4.2 站间行驶时间预测模型
4.2.1 改进粒子群算法的支持向量机预测模型
4.2.2 多元线性回归模型预测站间行驶时间
4.3 站点停靠时间预测模型
4.4 卡尔曼滤波动态修正到站时间
4.5 到站时间预测模型设计总结
4.6 本章小结
第5章 实验与分析
5.1 实验数据选取
5.2 性能评价指标
5.3 模型测试和数据分析
5.3.1 站间行驶时间预测模型测试分析
5.3.2 站点停靠时间预测模型测试分析
5.3.3 卡尔曼滤波动态修正模型测试分析
5.4 案例应用
5.5 本章小结
第6章 总结与展望
6.1 论文工作总结
6.2 下一步研究工作
参考文献
攻读学位期间公开发表论文
致谢