城市公共客運(yùn)應(yīng)急響應(yīng)決策管理系統(tǒng)設(shè)計(jì)

第一章 緒論
1．1 公共客運(yùn)系統(tǒng)的分類
1．1．1 公共客運(yùn)系統(tǒng)的分類
1．2 公共客運(yùn)系統(tǒng)的布局模式
1．2．1 城市公共交通工具
1．2．2 城市公共交通工具的選擇
1．3 交通事故與交通事件
1．3．1 交通事故的定義
1．3．2 交通事故的分類
1．3．3 交通異常事件
1．3．4 交通事故與交通事件的關(guān)系
1．4 公共交通事故與公共交通事件
1．4．1 公共交通事故
1．4．2 交通事故分類
1．4．3 公共交通事件
1．5 公共客運(yùn)系統(tǒng)事件種類
1．6 公共客運(yùn)系統(tǒng)事件重要度
1．7 公共客運(yùn)系統(tǒng)事件應(yīng)急預(yù)案與重要度關(guān)系
第二章 公共客運(yùn)系統(tǒng)事件識別研究現(xiàn)狀
2．1 國外交通事故檢測技術(shù)現(xiàn)狀
2．2 國內(nèi)交通事件檢測技術(shù)的發(fā)展
2．3 公交事件識別技術(shù)基本理論
2．3．1 交通事件檢測技術(shù)分類
2．3．2 交通事件檢測技術(shù)
2．3．3 AID的分類
2．3．4 交通事件檢測技術(shù)的選擇
2．4 事件識別技術(shù)
2．4．1 基于模式識別算法（比較算法）
2．4．2 基于統(tǒng)計(jì)理論的事件檢測算法
2．4．3 基于動(dòng)態(tài)交通模型的算法
2．4．4 基于人工智能的檢測算法
2．4．5 基于小波分析理論的算法
2．4．6 算法的評價(jià)
第三章 公共客運(yùn)系統(tǒng)事件預(yù)測技術(shù)
3．1 事件特點(diǎn)分析
3．2 事件統(tǒng)計(jì)分析
3．2．1 傳統(tǒng)的數(shù)據(jù)分析方式
3．2．2 可視化分析
3．3 事件規(guī)律分析
3．3．1 公交事件的指標(biāo)
3．3．2 公交事件的規(guī)律分析方法
3．3．3 公交事件的時(shí)間分布
3．3．4 公交事件的空間分布
3．3．5 公交事件的類型分布
3．3．6 按交通控制方式的事件分布
3．4 事件預(yù)測模式
3．4．1 預(yù)測的含義與基本原理
3．4．2 道路交通事故預(yù)測的特點(diǎn)
3．4．3 預(yù)測原則與程序
3．5 事件預(yù)測方法
3．5．1 道路交通事故國內(nèi)外研究狀況
3．5．2 方法的比較
第四章 公共客運(yùn)系統(tǒng)應(yīng)急處理信息服務(wù)系統(tǒng)設(shè)計(jì)
4．1 信息需求分析
4．1．1 智能交通系統(tǒng)所提供的信息
4．1．2 應(yīng)急服務(wù)實(shí)施部門所需要的信息分析
4．2 信息基本規(guī)劃分析
4．3 信息服務(wù)設(shè)計(jì)目標(biāo)和原則
4．4 信息服務(wù)設(shè)計(jì)邏輯框架
4．5 信息設(shè)計(jì)實(shí)施框架
4．5．1 系統(tǒng)的組成實(shí)體
4．5．2 系統(tǒng)的框架結(jié)構(gòu)圖
4．5．3 組成實(shí)體間的信息流分析
4．6 信息規(guī)劃設(shè)計(jì)
第五章 客流量數(shù)據(jù)采集及預(yù)測技術(shù)
5．．1 公交客流的性質(zhì)與特點(diǎn)
5．1．1 公交客流的研究意義
5．1．2 客流的分類
5．1．3 公交客流在空間和時(shí)間上的變化規(guī)律
5．2 基礎(chǔ)數(shù)據(jù)采集技術(shù)研究
5．2．1 客流量采集技術(shù)
5．2．2 交通流量的采集
5．2．3 基于視頻圖像計(jì)數(shù)的客流信息采集系統(tǒng)
5．2．4 典型線路站點(diǎn)間運(yùn)行時(shí)間采集方法
5．2．5 路段運(yùn)行時(shí)間的采集
5．3 站點(diǎn)乘客集散量預(yù)測技術(shù)研究
5．3．1 聚類分析方法概述
5．3．2 基于逐步回歸分析方法的客流集散量預(yù)測
5．4 在車乘客量預(yù)測方法研究
5．4．1 基于費(fèi)歇算法的客流峰值聚類分析
5．4．2 在車乘客量預(yù)測方法
5．5 站點(diǎn)間車輛運(yùn)行時(shí)間預(yù)測技術(shù)研究
5．5．1 路段運(yùn)行時(shí)間預(yù)測方法
5．5．2 電子站牌顯示時(shí)間預(yù)測方法理論研究
5．6 線路客流量異常的事件預(yù)測
5．6．1 公交線路OD矩陣的推導(dǎo)算法
5．6．2 常規(guī)公交客流預(yù)測
5．7 本章小節(jié)
第六章 應(yīng)急處理系統(tǒng)勞動(dòng)力配備設(shè)計(jì)
6．1 勞動(dòng)力配備的基本原則
6．2 勞動(dòng)力配備的模式
6．2．1 數(shù)學(xué)規(guī)劃方法
6．2．2 純啟發(fā)式算法
6．2．3 元啟發(fā)式算法（Mata-heuristic）
6．3 勞動(dòng)力配備的邏輯框架和實(shí)施框架設(shè)計(jì)
6．4 單線路應(yīng)急處理勞動(dòng)力配備設(shè)計(jì)
6．5 多線路應(yīng)急處理勞動(dòng)力配備設(shè)計(jì)
6．5．1 多線路勞動(dòng)力配備的概念及方法模式
6．5．2 多線路勞動(dòng)力配備原則構(gòu)思
6．6 應(yīng)急處理勞動(dòng)力配備模型簡介
6．6．1 突發(fā)事件勞動(dòng)力配備構(gòu)思及數(shù)學(xué)模型
6．6．2 模型的建立
6．7 本章小結(jié)
第七章 應(yīng)急處理系統(tǒng)車輛配備設(shè)計(jì)
7．1 車輛配備的基本原則
7．2 車輛配備的模式
7．2．1 客流變化類事件的車輛配備模式
7．2．2 非客流類事件的車輛配備模式
7．3 單線路應(yīng)急處理車輛配備設(shè)計(jì)
7．3．1 線路非事件車輛配備介紹
7．3．2 基于高峰客流量的單線路車輛配備模型
7．4 多線路應(yīng)急處理車輛配備設(shè)計(jì)
7．5 客流高峰車輛多線路應(yīng)急配置模型研究
7．6 本章小結(jié)
第八章 單線路應(yīng)急處理系統(tǒng)設(shè)計(jì)
8．1 正常調(diào)度形式及時(shí)刻表設(shè)計(jì)
8．1．1 正常的公交調(diào)度形式
8．1．2 時(shí)刻表設(shè)計(jì)
8．2 應(yīng)急條件下的自動(dòng)調(diào)度模型
8．2．1 緊急情況下實(shí)時(shí)調(diào)度方法
8．2．2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
8．3 單線路應(yīng)急處理系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
8．3．1 系統(tǒng)生成的基本原理
8．3．2 應(yīng)急處理系統(tǒng)設(shè)計(jì)
8．4 單線路應(yīng)急處理系統(tǒng)實(shí)施框架設(shè)計(jì)
8．4．1 智能化系統(tǒng)的主要內(nèi)容
8．4．2 系統(tǒng)的總體框架及技術(shù)結(jié)構(gòu)
8．5 單線路應(yīng)急處理系統(tǒng)實(shí)施模型介紹
8．6 本章小結(jié)
第九章 多線路應(yīng)急處理系統(tǒng)初步設(shè)計(jì)
9．1 多線路應(yīng)急處理系統(tǒng)設(shè)計(jì)原則
專家系統(tǒng)的基本思想
9．2 應(yīng)急條件下自動(dòng)調(diào)度模型
9．2．1 自動(dòng)調(diào)度系統(tǒng)的概述
9．2．2 自動(dòng)調(diào)度系統(tǒng)的組成
9．2．3 公共交通智能化調(diào)度自動(dòng)生成方法研究
9．3 多線路應(yīng)急處理系統(tǒng)結(jié)構(gòu)設(shè)計(jì)方法
9．3．1 系統(tǒng)設(shè)計(jì)基本思想
9．3．2 系統(tǒng)總體設(shè)計(jì)方案
9．3．3 系統(tǒng)框架分析
9．3．4 算法分析
9．4 本章小結(jié)
第十章 城市公共交通智能化調(diào)度系統(tǒng)綜合評價(jià)方法研究
10．1 智能公共交通系統(tǒng)評價(jià)的意義及必要性
10．2 公共交通系統(tǒng)綜合評價(jià)方法概述
10．2．1 APTS評價(jià)方法研究現(xiàn)狀
10．2．2 評價(jià)原則和評價(jià)指標(biāo)體系的選取原則
10．2．3 公共交通系統(tǒng)綜合評價(jià)方法
10．3 層次分析法在公交智能調(diào)度系統(tǒng)中的應(yīng)用研究
10．3．1 運(yùn)用層次分析法進(jìn)行綜合評價(jià)概述
10．3．2 公交調(diào)度系統(tǒng)綜合評價(jià)層次結(jié)構(gòu)分析
10．3．3 某市應(yīng)用實(shí)例
10．4 本章小結(jié)
參考文獻(xiàn)