| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-19页 |
| ·研究背景 | 第11-12页 |
| ·相关理论研究现状分析 | 第12-15页 |
| ·最优路径选择算法 | 第13页 |
| ·交通分配理论 | 第13-14页 |
| ·交通信息预测理论 | 第14-15页 |
| ·研究意义 | 第15页 |
| ·已知信息描述 | 第15-16页 |
| ·研究思路及内容 | 第16-19页 |
| 2 最优路径选择模型的研究与实现 | 第19-29页 |
| ·轨道交通网络模型 | 第19-23页 |
| ·轨道交通网络图 | 第19-20页 |
| ·图的计算机存储 | 第20页 |
| ·出行阻抗函数 | 第20-23页 |
| ·最优路径选择算法 | 第23-25页 |
| ·基于图论的最优路径选择算法 | 第23页 |
| ·K条渐短路径搜索算法 | 第23-24页 |
| ·Dijkstra算法及其优化 | 第24-25页 |
| ·北京城市轨道交通网络最优路径选择的实现 | 第25-28页 |
| ·北京城市轨道交通网络图在数据库中的构建 | 第25-26页 |
| ·改进Dijkstra算法的Java实现 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 客流分配模型的研究与实现 | 第29-37页 |
| ·交通分配理论 | 第29-31页 |
| ·交通分配理论概述 | 第29-30页 |
| ·非平衡分配模型 | 第30-31页 |
| ·北京城市轨道交通网络客流分配模型的实现 | 第31-35页 |
| ·客流分配方案选择 | 第31-32页 |
| ·最短路客流分配的Java实现 | 第32-35页 |
| ·本章小结 | 第35-37页 |
| 4 客流预测模型的研究与实现 | 第37-67页 |
| ·时间序列预测技术概述 | 第37-39页 |
| ·传统线性时间序列模型 | 第37-38页 |
| ·非线性时间序列预测模型 | 第38-39页 |
| ·基于BP神经网络的预测技术 | 第39-46页 |
| ·BP神经网络原理 | 第39-40页 |
| ·BP神经网络的若干改进 | 第40-44页 |
| ·SCG算法分析 | 第44-46页 |
| ·BP神经网络预测模型概述 | 第46页 |
| ·基于BP神经网络的客流时间序列预测模型实现 | 第46-66页 |
| ·BP神经网络在MATLAB中的建模环境 | 第46-47页 |
| ·样本分析与选择 | 第47-49页 |
| ·客流分布的最小二乘拟合 | 第49-50页 |
| ·时间序列预测方案 | 第50-52页 |
| ·样本数据预处理 | 第52-53页 |
| ·BP神经网络设计方案 | 第53-56页 |
| ·北京城市轨道交通进出站客流预测 | 第56-66页 |
| ·本章小结 | 第66-67页 |
| 5 基于Web的客流诱导应用系统设计 | 第67-83页 |
| ·Struts，Spring，Hibernate集成开发模式 | 第67-75页 |
| ·Web应用软件开发层次结构 | 第67-68页 |
| ·Struts: MVC设计模式与JSP开发模式 | 第68-70页 |
| ·Spring:控制反转，依赖注入与面向切面的编程 | 第70-72页 |
| ·Hibernate:对象-关系映射 | 第72-73页 |
| ·SSH整合框架 | 第73-75页 |
| ·基于SSH整合框架的客流诱导应用系统实现 | 第75-81页 |
| ·开发环境 | 第75-76页 |
| ·数据库设计 | 第76页 |
| ·持久层实现 | 第76-77页 |
| ·业务逻辑层实现 | 第77-78页 |
| ·表示层实现 | 第78-79页 |
| ·北京城市轨道交通客流诱导系统实现 | 第79-81页 |
| ·本章小结 | 第81-83页 |
| 6 结论与展望 | 第83-87页 |
| ·结论 | 第83-84页 |
| ·展望 | 第84-87页 |
| 参考文献 | 第87-93页 |
| 学位论文数据集 | 第93页 |