城市轨道交通短时客流预测与最优客运能力调配问题的研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-16页 |
| ·选题背景 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·城市轨道交通短时客流预测 | 第11-12页 |
| ·城市轨道客运能力调配 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·研究内容 | 第14-16页 |
| 2 城市轨道交通客流特性 | 第16-23页 |
| ·客流特性 | 第16-17页 |
| ·网络客流时空特征分析 | 第17-22页 |
| ·网络客流的时间分布特征 | 第17-21页 |
| ·网络客流的空间分布特征 | 第21-22页 |
| ·小结 | 第22-23页 |
| 3 城市轨道交通短时客流预测 | 第23-51页 |
| ·传统客流预测模型及其适用性分析 | 第23-25页 |
| ·短时客流预测方案设计 | 第25-26页 |
| ·基于小波神经网络的短时客流预测 | 第26-37页 |
| ·小波理论 | 第26-27页 |
| ·BP神经网络 | 第27-29页 |
| ·小波神经网络 | 第29-30页 |
| ·网络结构设计与结果 | 第30-37页 |
| ·基于模糊神经网络的短时客流预测 | 第37-42页 |
| ·模糊理论 | 第37-38页 |
| ·模糊神经网络 | 第38-40页 |
| ·网络结构设计与结果 | 第40-42页 |
| ·基于支持向量机神经网络的短时客流预测 | 第42-48页 |
| ·支持向量机最优分类面理论 | 第42-44页 |
| ·支持向量机神经网络 | 第44-46页 |
| ·网络结构设计与结果 | 第46-48页 |
| ·三种预测方法的对比 | 第48-50页 |
| ·小结 | 第50-51页 |
| 4 城市轨道交通最优客运能力调配 | 第51-65页 |
| ·运输能力 | 第51-54页 |
| ·城市轨道交通调度特点分析 | 第54-55页 |
| ·随机需求调度问题的优化模型 | 第55-63页 |
| ·优化模型的提出及算法 | 第55-57页 |
| ·算例分析 | 第57-63页 |
| ·小结 | 第63-65页 |
| 5 结论和展望 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 附录A | 第70-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |
