| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景和研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 客流预测方法的研究现状 | 第11-13页 |
| 1.2.2 应急疏散技术研究国内外研究现状 | 第13-15页 |
| 1.3 论文研究内容及技术路线 | 第15-16页 |
| 1.4 论文的创新点 | 第16-17页 |
| 第二章 客流量预测算法研究 | 第17-31页 |
| 2.1 灰色(Grey)预测 | 第17-22页 |
| 2.1.1 灰色系统理论发展概述 | 第17页 |
| 2.1.2 灰色系统理论的研究对象 | 第17-18页 |
| 2.1.3 灰色预测方法 | 第18页 |
| 2.1.4 GM(1,1)模型建立 | 第18-21页 |
| 2.1.5 灰色分析的优点 | 第21-22页 |
| 2.2 支持向量机(SVM)预测 | 第22-29页 |
| 2.2.1 支持向量机提出及发展 | 第22页 |
| 2.2.2 支持向量机原理 | 第22-26页 |
| 2.2.3 支持向量机核函数选取 | 第26-27页 |
| 2.2.4 支持向量机参数选取 | 第27-28页 |
| 2.2.5 确定影响因素 | 第28-29页 |
| 2.2.6 支持向量机优点 | 第29页 |
| 2.3 灰色—支持向量机(GM-SVM)组合预测 | 第29-30页 |
| 2.3.1 组合预测模型概述 | 第29页 |
| 2.3.2 组合预测模型优点 | 第29-30页 |
| 2.3.3 灰色—支持向量机(GM-SVM)组合预测建模 | 第30页 |
| 本章小结 | 第30-31页 |
| 第三章 北京地铁15号线客流量预测实例分析 | 第31-38页 |
| 3.1 地铁概况 | 第31页 |
| 3.2 实验数据 | 第31-33页 |
| 3.3 实验方法 | 第33-37页 |
| 3.3.1 GM-SVM组合预测对工作日客流量预测研究 | 第33-35页 |
| 3.3.2 GM-SVM组合预测对周末客流量预测研究 | 第35-37页 |
| 本章小结 | 第37-38页 |
| 第四章 基于元胞自动机的地铁站应急客流疏散及实例分析 | 第38-50页 |
| 4.1 元胞自动机概述 | 第38-41页 |
| 4.1.1 元胞自动机定义及构成 | 第38-40页 |
| 4.1.2 元胞自动机的特征 | 第40-41页 |
| 4.2 安全疏散标准 | 第41页 |
| 4.3 模型建立 | 第41-43页 |
| 4.3.1 相关统计量 | 第41-42页 |
| 4.3.2 模型的运行规则 | 第42页 |
| 4.3.3 模型的演化规律 | 第42-43页 |
| 4.4 某地铁车站应急客流疏散仿真模拟 | 第43-49页 |
| 4.4.1 GUI界面 | 第43-45页 |
| 4.4.2 地铁站结构及客流组织 | 第45-46页 |
| 4.4.3 仿真模拟 | 第46-49页 |
| 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-51页 |
| 5.1 论文结论 | 第50页 |
| 5.2 论文展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
