公交客流出行特征解析及预测方法研究

目录

声明

第一章 绪 论

1.1 研究背景

1.2 国内外研究概况

1.2.1 公交客流出行特征解析研究概况

1.2.2 公交出行客流预测研究概况

1.2.3 国内外研究概况总结

1.3 研究价值和意义

1.4 主要研究内容

1.5 技术路线

第二章 公交客流数据采集与预处理

2.1 公交客流数据采集方法

2.1.1 人工调查法

2.1.2 图像识别法

2.1.3 公交IC卡数据采集法

2.1.4 采集方法优缺点分析

2.2 公交客流数据预处理

2.2.1 公交IC卡数据结构

2.2.2 公交IC卡数据预处理

2.3 本章小结

第三章 公交客流出行特征解析

3.1 数据基础

3.1.1 公交IC卡数据库构建

3.1.2 原始数据导入

3.2 公交客流出行时间分布特征

3.2.1 单日客流出行特征

3.2.2 分时段客流出行特征

3.3 公交客流分类出行特征

3.3.1 老年卡群体出行特征

3.3.2 学生卡群体出行特征

3.3.3 普通卡群体出行特征

3.4 本章小结

第四章 公交短时客流预测方法研究及优化

4.1 公交客流预测方法概述

4.2 ARIMA预测模型

4.2.1 ARIMA模型概述

4.2.2 ARIMA模型建模步骤

4.3 NARX神经网络预测模型

4.3.1 NARX神经网络原理

4.3.2 NARX神经网络参数

4.3.3 NARX神经网络训练方法

4.4 基于遗传算法优化的NARX神经网络预测模型（GA-NARX）

4.4.1 遗传算法基本原理概述

4.4.2 遗传算法基本要素

4.4.3 遗传算法优化NARX神经网络模型（GA-NARX）

4.5 本章小结

第五章 实例验证

5.1 数据基础

5.2 ARIMA模型预测

5.2.1 平稳性检验及差分处理

5.2.2 模型建立及预测

5.3 NARX神经网络模型预测

5.3.1 网络参数确定

5.3.2 训练方法选择

5.3.3 NARX神经网络模型训练

5.3.4 预测及精度评价

5.3.5 误差分析检验

5.4 基于遗传算法改进的NARX神经网络（GA-NARX）模型预测

5.4.1 遗传算法优化NARX神经网络模型设计

5.4.2 算法实现及预测

5.5 三种模型预测结果对比分析

5.6 本章小结

第六章 总结及展望

6.1 研究工作总结

6.2 未来研究展望

参考文献

在读期间主要科研成果及奖励

致谢