声明
1 绪论
1.1 研究背景与意义
1.2 国内外研究概况
1.2.1 传统的行程时间预测方法
1.2.2 机器学习类行程时间预测方法
1.2.3 混合预测方法
1.2.4 研究现状的小结
1.3 研究内容
1.4 论文结构
2 数据的特征提取和样本集构建
2.1 影响因素分析
2.2 数据预处理
2.2.1 GPS数据预处理
2.2.2 天气数据预处理
2.3 特征分析与提取
2.3.1 基本特征集
2.3.2 历史统计特征集
2.3.3 天气特征集
2.3.4 K-means聚类特征集
2.3.5 滑窗特征集
2.4 样本集建立
3 基于GBRT的公交行程时间预测方法
3.1 GBRT学习目标
3.2 GBRT弱决策回归树的构建
3.2.1 GBRT弱决策树的生成
3.2.2 GBRT弱决策树的剪枝
3.3 GBRT的集成
4 基于LightGBM的公交行程时间预测方法
4.1 GOSS
4.2 EFB
4.3 LightGBM的学习目标
4.4 LightGBM弱决策回归树的构建
4.5 LightGBM的集成
5 数据实验与结果分析
5.1 模型训练
5.2 预测结果与分析
5.2.1 针对特征的实验结果分析
5.2.2 针对模型的实验结果分析
6 总结与展望
致谢
参考文献
附录1 公开发表或撰写的学术论文
附录2 攻读学位期间参加的科研项目
