基于旅行时间延误的轨道交通运营状态评估
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容及框架 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 论文框架 | 第13-15页 |
| 2 轨道交通乘客高峰时段出行特征 | 第15-22页 |
| 2.1 高峰时段轨道交通系统运行特性 | 第15-19页 |
| 2.1.1 客流特性 | 第16-17页 |
| 2.1.2 列车运行特性 | 第17-18页 |
| 2.1.3 轨道线路特性 | 第18页 |
| 2.1.4 外部环境特征 | 第18-19页 |
| 2.2 高峰时段乘客旅行时间波动特征 | 第19-22页 |
| 3 轨道交通乘客旅行时间延误理论 | 第22-38页 |
| 3.1 旅行时间理论 | 第22-24页 |
| 3.2 延误理论 | 第24-28页 |
| 3.2.1 延误的定义 | 第24页 |
| 3.2.2 延误构成 | 第24-25页 |
| 3.2.3 延误影响因素 | 第25-28页 |
| 3.3 不同类型乘客延误特征 | 第28-35页 |
| 3.3.1 乘客类型划分 | 第28-30页 |
| 3.3.2 常乘客和随机乘客出行特性 | 第30-33页 |
| 3.3.3 常乘客和随机乘客延误认知 | 第33-35页 |
| 3.4 两种角度的延误 | 第35-38页 |
| 3.4.1 企业角度的延误 | 第35-36页 |
| 3.4.2 乘客角度的延误 | 第36-38页 |
| 4 基于AFC数据的旅行时间延误估算模型 | 第38-52页 |
| 4.1 AFC数据挖掘策略 | 第38-42页 |
| 4.1.1 有效数据筛选原则 | 第38-40页 |
| 4.1.2 数据挖掘策略 | 第40-41页 |
| 4.1.3 高峰时段判断 | 第41-42页 |
| 4.2 模型基本描述 | 第42-45页 |
| 4.2.1 相关假设及定义 | 第42-43页 |
| 4.2.2 标准旅行时间 | 第43-44页 |
| 4.2.3 期望旅行时间 | 第44-45页 |
| 4.3 延误估算模型 | 第45-52页 |
| 4.3.1 估算模型 | 第45-48页 |
| 4.3.2 延误指标 | 第48-49页 |
| 4.3.3 延误估算步骤 | 第49-52页 |
| 5 基于旅行时间延误的运营状态评估 | 第52-70页 |
| 5.1 轨道交通日常运营状态评估分级 | 第52-53页 |
| 5.1.1 评估指标 | 第52页 |
| 5.1.2 评估分级标准 | 第52-53页 |
| 5.2 北京地铁案例分析 | 第53-70页 |
| 5.2.1 基础信息 | 第53-55页 |
| 5.2.2 延误结果分析 | 第55-62页 |
| 5.2.3 运营状态评估结果分析 | 第62-70页 |
| 6 结论与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |
