| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第14-32页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.1.1 依托课题 | 第14页 |
| 1.1.2 研究背景 | 第14-15页 |
| 1.1.3 研究意义 | 第15页 |
| 1.2 国内外文献综述 | 第15-26页 |
| 1.2.1 复杂网络文献综述 | 第15-21页 |
| 1.2.2 列车运行调整文献综述 | 第21-25页 |
| 1.2.3 文献综述小结 | 第25-26页 |
| 1.3 主要研究内容和结构安排 | 第26-28页 |
| 1.3.1 研究内容 | 第26-27页 |
| 1.3.2 结构安排 | 第27-28页 |
| 1.4 研究思路和技术路线 | 第28-31页 |
| 1.4.1 研究思路 | 第28-29页 |
| 1.4.2 技术路线 | 第29-31页 |
| 1.5 本章总结 | 第31-32页 |
| 2 相关基础理论与方法 | 第32-58页 |
| 2.1 复杂网络基础理论与方法 | 第32-41页 |
| 2.1.1 复杂网络理论 | 第32页 |
| 2.1.2 复杂网络的统计特征参量 | 第32-33页 |
| 2.1.3 复杂网络的演化模型 | 第33-38页 |
| 2.1.4 复杂网络上的传播动力学 | 第38-41页 |
| 2.2 区间运行时分预测基础理论与方法 | 第41-48页 |
| 2.2.1 决策树 | 第41-43页 |
| 2.2.2 集成学习 | 第43-46页 |
| 2.2.3 迁移学习 | 第46-48页 |
| 2.3 列车运行调整基础理论与方法 | 第48-57页 |
| 2.3.1 案例推理 | 第48-50页 |
| 2.3.2 直觉模糊集 | 第50-51页 |
| 2.3.3 前景理论 | 第51-52页 |
| 2.3.4 大系统理论 | 第52页 |
| 2.3.5 协同学 | 第52-55页 |
| 2.3.6 萤火虫算法 | 第55-56页 |
| 2.3.7 蚁群算法 | 第56-57页 |
| 2.4 本章总结 | 第57-58页 |
| 3 基于复杂网络理论的高速铁路路网分析 | 第58-90页 |
| 3.1 中国高速铁路路网 | 第58-59页 |
| 3.2 路网拓扑结构及特征分析 | 第59-72页 |
| 3.3 基于车流的路网特征分析 | 第72-84页 |
| 3.4 晚点在路网上传播的动力学分析 | 第84-88页 |
| 3.4.1 基于元胞自动机的晚点SIS传播模型 | 第84-86页 |
| 3.4.2 仿真验证 | 第86-88页 |
| 3.5 本章总结 | 第88-90页 |
| 4 区间运行时分的预测方法研究 | 第90-112页 |
| 4.1 高速铁路列车运行图组成要素 | 第90-93页 |
| 4.1.1 区间运行时分 | 第90-91页 |
| 4.1.2 中间站停站时间 | 第91页 |
| 4.1.3 折返站、动车段及动车所停留时间 | 第91-92页 |
| 4.1.4 追踪列车间隔时间 | 第92页 |
| 4.1.5 综合维修天窗时间 | 第92页 |
| 4.1.6 列车运行图的缓冲时间 | 第92-93页 |
| 4.2 列车晚点因素及判定因素 | 第93-98页 |
| 4.2.1 列车晚点因素 | 第93-94页 |
| 4.2.2 列车晚点判定 | 第94-98页 |
| 4.3 基于随机森林的区间运行时分预测模型 | 第98-102页 |
| 4.3.1 特征属性 | 第98-99页 |
| 4.3.2 预测模型 | 第99-102页 |
| 4.4 基于迁移学习的区间运行时分预测模型 | 第102-106页 |
| 4.4.1 改进的MBR迁移学习算法 | 第102-104页 |
| 4.4.2 标签信息 | 第104-106页 |
| 4.4.3 预测模型 | 第106页 |
| 4.5 算例验证 | 第106-109页 |
| 4.5.1 基于随机森林的区间运行时分预测算例验证 | 第106-108页 |
| 4.5.2 基于迁移学习的区间运行时分预测算例验证 | 第108-109页 |
| 4.6 本章总结 | 第109-112页 |
| 5 单调度区段的列车运行调整策略与方法研究 | 第112-150页 |
| 5.1 调度区段特征与调整策略分析 | 第112-122页 |
| 5.1.1 基于车流的调度区段特征 | 第112-117页 |
| 5.1.2 干扰场景下的调整策略 | 第117-122页 |
| 5.2 单调度区段的列车运行调整模型 | 第122-133页 |
| 5.2.1 模型说明 | 第122-123页 |
| 5.2.2 参数定义 | 第123-126页 |
| 5.2.3 约束条件 | 第126-127页 |
| 5.2.4 目标函数 | 第127-129页 |
| 5.2.5 总体架构 | 第129-133页 |
| 5.3 基于案例推理的列车运行调整策略决策模型 | 第133-140页 |
| 5.3.1 建模思路与原则 | 第133-134页 |
| 5.3.2 案例表示 | 第134-137页 |
| 5.3.3 案例检索 | 第137-139页 |
| 5.3.4 案例修正 | 第139页 |
| 5.3.5 案例存储与维护 | 第139-140页 |
| 5.4 基于前景理论的随机直觉模糊决策方法 | 第140-142页 |
| 5.4.1 基于集对分析理论的改进记分函数 | 第140-141页 |
| 5.4.2 基于前景理论的随机直觉模糊决策方法 | 第141-142页 |
| 5.5 基于逻辑自映射的变尺度混沌萤火虫算法 | 第142-144页 |
| 5.5.1 基于逻辑自映射的变尺度混沌萤火虫算法 | 第142-144页 |
| 5.5.2 基于逻辑自映射的变尺度混沌萤火虫算法的求解 | 第144页 |
| 5.6 算例验证 | 第144-148页 |
| 5.7 本章总结 | 第148-150页 |
| 6 路网条件下调度区段间列车运行调整模型与方法研究 | 第150-166页 |
| 6.1 基于大系统理论的调度区段间列车运行调整模型 | 第150-153页 |
| 6.1.1 可行性分析 | 第150页 |
| 6.1.2 路网条件下列车运行调整的层次化模型 | 第150-151页 |
| 6.1.3 调度区段间列车运行调整的协同学模型 | 第151-153页 |
| 6.2 调度区段间列车运行协同调整模型 | 第153-158页 |
| 6.2.1 模型说明 | 第153页 |
| 6.2.2 参数定义 | 第153-155页 |
| 6.2.3 约束条件 | 第155-156页 |
| 6.2.4 目标函数 | 第156页 |
| 6.2.5 总体架构 | 第156-158页 |
| 6.3 改进最大最小蚁群的协同优化求解算法 | 第158-162页 |
| 6.3.1 最大最小蚁群算法 | 第158-159页 |
| 6.3.2 改进最大最小蚁群算法 | 第159-160页 |
| 6.3.3 改进最大最小蚁群算法的求解 | 第160-162页 |
| 6.4 算例验证 | 第162-164页 |
| 6.5 本章总结 | 第164-166页 |
| 7 总结与展望研究 | 第166-170页 |
| 7.1 主要研究工作 | 第166-167页 |
| 7.2 主要创新点 | 第167-168页 |
| 7.3 研究展望 | 第168-170页 |
| 参考文献 | 第170-184页 |
| 作者简历及科研成果 | 第184-186页 |
| 学位论文数据集 | 第186页 |
