声明
致谢
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 城市地面公交运行监测关键指标研究现状
1.2.2 乘客出行选择研究现状
1.3 技术路线与研究内容
1.3.1 技术路线
1.3.2 研究内容
1.4 论文结构
1.5 本章小结
2 相关理论与技术
2.1 城市地面公交运行监测系统的定义
2.1.1 城市地面公交运行监测系统构成
2.1.2 城市地面公交运行监测系统主体
2.2 公交乘客出行决策行为理论
2.3 云模型理论
2.4 累积前景理论
2.5 序列后向选择子集搜索策略与广义回归神经网络
2.5.1 序列后向选择子集搜索策略
2.5.2 广义回归神经网络
2.6 本章小结
3 城市地面公交运行监测初始指标集确定与数据准备
3.1 城市地面公交运行监测初始指标集确定
3.1.1 影响公交乘客出行选择的指标分析
3.1.2 指标确定原则
3.1.3 初始指标集及指标计算方法
3.2 数据准备
3.2.1 客观居民出行数据描述
3.2.2 基于RP调查与 SP调查的乘客主观数据获取与描述
3.2.3 客观数据预处理
3.3 本章小结
4 居民出行数据和调查数据驱动的公交运行监测关键指标模型构建
4.1 基于调查数据的定性指标量化模型构建
4.1.1 确定定性指标体系
4.1.2 各定性指标的云模型表示
4.2 基于居民出行数据的客观指标前景值计算模型构建
4.2.1 问题描述及参照点的确定
4.2.2 指标前景值计算
4.3 公交运行监测关键指标确定模型思路与构建流程
4.3.1 序列后向-广义回归神经网络模型建模思路
4.3.2 序列后向-广义回归神经网络关键指标确定模型构建流程
4.4 本章小结
5 基于时间层次的城市地面公交运行监测关键指标模型应用——以北京市数据为例
5.1 北京市不同时段公交线路指标数据提取
5.2 基于模型计算的北京市不同时段公交运行监测关键指标确定
5.2.1 输入和输出
5.2.2 模型数据预处理
5.2.3 模型训练
5.2.4 模型检验
5.2.5 模型结果
5.3 不同时段下的公交运行及监管策略
5.3.1 早晚高峰时段公交运行及监管策略
5.3.2 平峰时段公交运行及监管策略
5.4 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
附录A
附录B
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;