预览加载中,请您耐心等待几秒...
1/3
2/3
3/3

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

城市多模式公交行程时间可靠性研究的开题报告 一、研究背景 在城市公共交通系统中,多模式交通是一种越来越受欢迎的出行方式。多模式交通指的是通过不同的交通方式(例如地铁、公交、出租车、共享单车等)来完成出行目的。相比于单一交通方式,多模式交通具有时间节约、成本降低、效率提高等优势,因此在大城市中得到越来越广泛的应用。 然而,由于交通方式的多样性、出行路线的复杂性,多模式公交的行程时间可靠性一直是一个重要的研究问题。行程时间可靠性指的是同样路线的出行者在不同时间段和不同天气等因素影响下,所用时间的差异。多模式公交出行本身就有着很多变量,如路线、交通工具、公共交通信号等,这些变量之间的综合影响对行程时间可靠性具有很大的影响。因此,对于多模式公交行程时间的可靠性研究至关重要。 二、研究目的 本研究旨在利用多模式公交行程数据,探讨多种交通方式对行程时间可靠性的影响因素,并建立相应的分析模型。借助实际出行经验数据,分析多模式公交行程中的不确定性因素,探讨多种交通方式组合的优化策略,提高多模式公交系统的行程时间可靠性。 三、研究内容和方法 1.研究内容: (1)梳理多模式公交出行的行程时间不确定性因素,包括但不限于天气、车流量、道路状况、交通信号等因素。 (2)采集多模式公交出行路线数据,建立数据分析模型。 (3)利用多元线性回归模型或者深度学习模型等技术,分析各因素对行程时间的影响,并建立模型标示出各项特征。 (4)针对模型结果,提出优化多模式公交系统的建议,以提高行程时间可靠性。 (5)进行实证分析,并进行相应结论的讨论。 2.研究方法: (1)网络爬虫技术。从相关网站爬取多模式公交出行路线数据,建立数据库。 (2)统计学分析。通过统计数据分析技术,深入探究多种交通方式组合的公交出行差异。 (3)多元线性回归分析。利用多元线性回归分析技术,探讨多种交通方式组合的影响因素及其权重。 (4)深度学习模型。利用深度学习模型,将行程时间通过带权损失函数的训练方式,表征各项特征的重要性,构建出多模式公交行程时间可靠性的预测模型。 四、研究预期成果 该研究将对多模式公交行程时间可靠性的问题进行全面深入的研究,开创性地提出了多种交通方式组合的实证分析方法和优化策略,具体成果如下: (1)探究多种交通方式组合的行程时间可靠性影响因素和权重。 (2)利用多元线性回归和深度学习技术,建立多模式公交行程时间可靠性预测模型,具有一定的推广应用价值。 (3)针对优化多模式公交系统的建议,提出了基于现有出行经验的交通优化策略,可供市政部门参考。 五、研究进度计划 (1)2022年12月-2023年3月:调研多模式公交行程时间可靠性的相关研究,并建立研究框架。 (2)2023年4月-2023年7月:采集多模式公交出行路线数据,并建立研究样本。 (3)2023年8月-2023年11月:分析多种交通方式组合的影响因素及其权重,并建立模型。 (4)2023年12月-2024年3月:利用模型结果,提出优化多模式公交系统的建议,并进行实证分析。 (5)2024年4月-2024年6月:完成论文撰写,准备论文答辩。