第1章 绪论
1.1 研究背景及意义
1.2 研究目标及主要内容
1.2.1 研究目标
1.2.2 主要内容
1.3 研究技术路线
第2章 公交运行可靠性及调度优化研究进展
2.1 公交运行可靠性研究
2.1.1 基于管理者的公交运行可靠性研究
2.1.2 基于乘客的公交运行可靠性研究
2.2 公交运营调度优化研究
2.2.1 全程车调度
2.2.2 区间车组合调度
2.2.3 大站车组合调度
2.3 研究综述
2.3.1 公交运行可靠性方面
2.3.2 公交组合调度方面
第3章 基于大数据挖掘的公交运行数据采集与分析
3.1 公交数据采集
3.1.1 公交数据来源
3.1.2 公交数据特征
3.1.3 公交数据结构
3.2 公交数据预处理
3.2.1 公交IC卡数据预处理
3.2.2 公交GPS数据预处理
3.2.3 公交数据修复
3.2.4 公交数据匹配
3.3 公交大数据挖掘
3.3.1 数据挖掘常用方法
3.3.2 公交运行时间聚类分析
3.3.3 公交行程时间分布拟合
第4章 公交行程时间可靠性影响因素分析
4.1 公交服务可靠性主要评价指标
4.2 站点设置
4.2.1 公交站点类型
4.2.2 公交站点位置
4.2.3 公交站点泊位数
4.2.4 公交站点间距
4.2.5 公交站点客流
4.3 交叉口设置
4.3.1 交叉口几何类型
4.3.2 交叉口信号控制方式
4.3.3 交叉口交通组成
4.4 站点区间设置
4.4.1 站点区间距离
4.4.2 站点区间辅助和影响设施
4.4.3 站点区间混合机动车交通流
4.5 其他因素
4.5.1 普通公交车影响因素
4.5.2 纯电动公交车影响因素
第5章 公交行程时间预测方法与模型
5.1 公交行程时间预测常用模型及其特点
5.2 基于改进粒子群优化小波神经网络的公交行程时间预测
5.2.1 小波神经网络理论及粒子群算法介绍
5.2.2 改进粒子群优化小波神经网络（PSO-WNN模型）
5.2.3 PSO-WNN模型公交行程时间预测
5.2.4 算例分析
5.3 基于改进遗传算法优化BP神经网络的公交行程时间预测
5.3.1 BP神经网络及道传算法介绍
5.3.2 改进遗传算法优化BP神经网络（GA-BP模型）
5.3.3 GA-BP模型公交行程时间预测
5.3.4 算例分析
5.4 基于萤火虫算法优化BP神经网络的纯电动公交车行程时间预测
5.4.1 萤火虫算法介绍
5.4.2 萤火虫算法优化BP神经网络（FA-BP模型）
5.4.3 FA-BP模型纯电动公交车行程时间预测
5.4.4 算例分析
第6章 公交运行可靠性分析
6.1 基于站点设置及客流的可靠性分析
6.1.1 站点停留时间可靠性模型
6.1.2 区间行程时间可靠性模型
6.1.3 公交线路行程时间可靠性综合评价模型
6.1.4 实例分析
6.2 基于混合机动车交通流的可靠性
6.2.1 混合机动车交通流条件下的公交行程时间特性
6.2.2 考虑公交车比例的公交行程时间可靠性模型
6.2.3 考虑车型比例的公交行程时间可靠性模型
6.2.4 模型验证
6.3 基于路径选择的公交线网可靠性分析
6.3.1 基于混合Logit模型的路径选择行为分析
6.3.2 评价指标体系的建立
6.3.3 基于熵权的公交线路可靠性模糊评价
6.3.4 基于路径选择的公交线网可靠性模糊综合评价
6.3.5 案例分析
第7章 公交组合调度优化
7.1 公交调度方式概述
7.1.1 公交调度方式的主要类别
7.1.2 不同调度方式的特点
7.1.3 不同调度方式常用算法的特点
7.2 全程车调度模型及算法
7.2.1 全程车调度模型构建
7.2.2 模拟退火-自适应布谷鸟算法
7.2.3 仿真实验
7.3 区间车组合调度模型及算法
7.3.1 区间车组合调度模型构建
7.3.2 改进的萤火虫算法
7.3.3 仿真实验
7.4 大站车组合调度模型及算法
7.4.1 大站车组合调度模型构建
7.4.2 改进的人工鱼群算法
7.4.3 仿真实验
参考文献
展开
