全文总字数：3226字

1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等

一、前言 公共交通作为一种大容量、低能耗、低人均资源占用率的出行方式，正在越来越多地受到交通界的重视，不少学者将其看作解决城市交通拥堵问题的有效途径。然而，公交出行方式由于在可靠性、舒适性及运行速度上不及小汽车，对城市居民的吸引力还有待完善，其中公交行程时间的准确预测是提高公交方式可靠性的重要技术，也是智能交通系统（its）的重要组成部分。然而，目前对于公交行程时间预测的研究大多集中于公交到站时间方面，忽略了交叉口交通信号对行程时间的影响，因而本课题将采用bp、grnn等神经网络，通过采集实际公交线路的行程时间，研究城市信号交叉口间的公交行程时间预测方法。

二、主要研究内容方案拟定 主要研究内容：首先定义信号交叉口间公交行程时间的概念，分析信号交叉口间公交行程时间的影响因素；然后使用跟车调查法和摄像法进行公交车行程时间数据的采集，并形成数据样本集；接着研究bp、grnn等神经网络的基本结构、预测原理及学习过程，并用交叉验证方法进行公交行程时间的预测；最后对神经网络的预测能力进行评价分析，指出其应用价值。 研究方案： 1、信号交叉口间公交行程时间定义和影响因素分析 定义信号交叉口间公交行程时间的概念，并指出它与公交站间行程时间的区别。从信号交叉口间距、交通流量、站台候车人数、道路断面形式、车辆性能、天气状况等方面分析信号交叉口间公交行程时间的影响因素。 2、公交车行程时间数据采集 使用跟车调查法和摄像法，选取合适的调查时段，采集特定公交线路目标路段的公交行程时间、交通流量、站台候车人数等数据，从百度或google地图上提取目标路段的长度、断面形式等信息，并进行数据预处理，形成数据样本集。 3、神经网络的预测机理研究 研究bp、grnn等神经网络的基本结构及预测原理，从正向传播、输出计算、误差分析、误差反向传播、权值修正、网络确定等步骤理解神经网络的学习过程及学习本质，并用matlab、python等编程语言实现神经网络算法。 4、信号交叉口间公交行程时间预测方法研究 使用交叉验证方法，将路段公交行程时间数据样本集分为训练集和验证集，进行公交行程时间的预测，其中训练集主要用于确定神经网络中的权值，验证集主要用于检验神经网络的预测能力，最后选取合适的评价指标，对预测效果进行评价分析，指出神经网络预测方法的应用价值。

三、数据收集与处理 选择南京市区典型的公交线路，使用跟车调查法和摄像法，选取合适的调查时段，采集公交线路上目标路段的公交行程时间、交通流量、站台候车人数等数据，从百度或google地图上提取目标路段的长度、断面形式等信息，形成数据样本集。

2. 参考文献（不低于12篇）

[1]chen, x., yu, l., zhang, y., guo, j. (2010). analyzing urban bus service reliability at the stop, route, and network levels. transportation research part a policy practice, 43(8), 722-734.

[2]qu, x., jin, s., oh, e., weng, j. (2014). bus travel time reliability analysis: a case study. transport, 167(3), 178-184.

[3]huo, y., zhao, j., li, w., hu, x. (2014). measuring bus service reliability: an ex-ample of bus rapid transit in changzhou. journal of public transportation, 17(2), 113-133.