摘要3-4
Abstract4-9
第一章 绪论9-15
1.1 探讨背景9-10
1.2 国内外探讨进展10-13
1.2.1 国外探讨进展10-11
1.2.2 国内探讨进展11-13
1.3 探讨作用13
1.4 探讨内容13-15
第二章 公交IC卡数据浅析15-24
2.1 公交IC卡产生背景15
2.2 公交系统基础信息15-19
2.2.1 公交IC卡信息15-18
2.2.2 公交线路及站点信息18
2.2.3 公交调度信息18-19
2.3 公交IC卡数据浅析策略可行性19-21
2.3.1 与传统策略的比较19-20
2.3.2 数据保证20-21
2.3.3 技术支持21
2.4 公交IC卡数据运用浅析21-23
2.4.1 公交IC卡可作为一种公交客流采集手段21-22
2.4.2 公交IC卡数据在公交规划中的运用22
2.4.3 公交IC卡数据在运营调度中的运用22-23
2.5 本章小结23-24
第三章 昆明市公交客流特点探讨24-53
3.1 昆明市公交总体样本介绍24-25
3.2 昆明市公交总体客流特点25-38
3.2.1 公交日刷卡量变化特点25-26
3.2.2 公交周刷卡量变化特点26-29
3.2.3 公交小时刷卡量变化特点29-33
3.2.4. 公交高峰小时刷卡量变化特点33-38
3.3 公交线路客流特点38-47
3.3.1 公交线路日刷卡量变化特点38-41
3.3.2 公交线路十五分钟刷卡量变化特点41-45
3.3.3 公交线路小时刷卡量变化45-47
3.4 不同群体出行时间分布47-51
3.4.1 工作日不同群体出行时间分布47-50
3.4.2 非工作日不同群体出行时间分布50-51
3.5 本章小结51-53
第四章 公交客流统计特性运用53-73
4.1 确定抽样统计的最小样本量53-59
4.1.1 探讨日刷卡量特点的最小样本量53-54
4.1.2 探讨周刷卡量特点的最小样本量54-56
4.1.3 探讨小时刷卡量特点的最小样本量56-59
4.2 公交系统需求稳定性浅析59-62
4.2.1 稳定性检验概述59
4.2.2 公交日刷卡量稳定性浅析59-60
4.2.3 公交线路日刷卡量稳定性浅析60-61
4.2.4 公交线路小时刷卡量稳定性浅析61-62
4.3 客流峰值聚类浅析62-72
4.3.1 公交客流峰值聚类提出62
4.3.2 公交客流量峰值区间划分模型的建立62-63
4.3.3 峰值区间的聚类划分63-72
4.4 本章小结72-73
第五章 公交客流量预测策略探讨73-87
5.1 ARIMA的客流预测模型73-75
5.1.1 时间序列的概念73
5.1.2 ARIMA模型的类别73-74
5.1.3 建模思路74-75
5.1.4 建模步骤75
5.2 实例浅析75-86
5.2.1 ARIMA模型实例浅析75-80
5.2.2 ARIMA-GARCH模型实例浅析80-83
5.2.3 改善的ARIMA-GARCH模型实例浅析83-85
5.2.4 模型浅析85-86
5.3 本章小结86-87
第六章 结束语87-89
6.1 主要探讨成果87-88
6.2 进一步探讨方向88-89
致谢89-90