地铁站客运量分阶段预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文研究的背景 | 第9页 |
| 1.2 论文研究的意义 | 第9-10页 |
| 1.3 论文研究现状 | 第10-12页 |
| 1.3.1 国外研究现状 | 第11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 论文研究内容与技术路线 | 第12-14页 |
| 2 地铁站客流分析 | 第14-30页 |
| 2.1 地铁站客流概述 | 第14页 |
| 2.2 车站客流分析 | 第14-27页 |
| 2.2.1 车站客流时间分布特性 | 第14-25页 |
| 2.2.2 车站客流空间分布特性 | 第25-26页 |
| 2.2.3 车站高峰小时客流特性 | 第26-27页 |
| 2.3 客流走势分析 | 第27-28页 |
| 2.4 客流的聚类分析 | 第28-30页 |
| 2.4.1 系统聚类分析 | 第28-29页 |
| 2.4.2 西安地铁2号线客流聚类分析 | 第29-30页 |
| 3 地铁站客运量分阶段预测方法分析 | 第30-36页 |
| 3.1 短时客流预测方法概述 | 第30-34页 |
| 3.1.1 支持向量机 | 第30页 |
| 3.1.2 卡尔曼滤波理论模型 | 第30-31页 |
| 3.1.3 BP神经网络 | 第31-34页 |
| 3.2 地铁站短期客流预测方法的选择 | 第34-36页 |
| 4 地铁站客运量预测 | 第36-51页 |
| 4.1 BP神经网络设计 | 第36页 |
| 4.2 网络参数确定 | 第36-37页 |
| 4.3 周一至周四工作日客流预测 | 第37-42页 |
| 4.3.1 建立合适的BP神经网络 | 第37-40页 |
| 4.3.2 对预测结果进行分析 | 第40-42页 |
| 4.4 周五工作日客流预测 | 第42-47页 |
| 4.4.1 建立合适的BP神经网络 | 第42-45页 |
| 4.4.2 预测结果进行分析 | 第45-47页 |
| 4.5 周末客流预测 | 第47-51页 |
| 4.5.1 建立合适的BP神经网络 | 第47-49页 |
| 4.5.2 预测结果进行分析 | 第49-51页 |
| 5 地铁列车开行方案编制 | 第51-66页 |
| 5.1 运输组织现状 | 第51-57页 |
| 5.1.1 线路现状 | 第51-54页 |
| 5.1.2 行车组织现状 | 第54-55页 |
| 5.1.3 列车运行模式 | 第55-57页 |
| 5.2 行车组织方案 | 第57-61页 |
| 5.2.1 运行交路的选择 | 第57-59页 |
| 5.2.2 列车停站设计 | 第59-60页 |
| 5.2.3 影响列车开行方案的因素 | 第60-61页 |
| 5.3 地铁列车的开行间隔 | 第61-65页 |
| 5.3.1 模型的建立 | 第62-64页 |
| 5.3.2 实例分析 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 总结 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
