致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
1 绪论 | 第12-24页 |
1.1 研究背景与意义 | 第12-14页 |
1.1.1 研究背景 | 第12-13页 |
1.1.2 研究意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-20页 |
1.2.1 路径选择研究 | 第14-16页 |
1.2.2 路网配流研究 | 第16-18页 |
1.2.3 客流控制研究 | 第18-20页 |
1.2.4 研究现状总结 | 第20页 |
1.3 研究内容与技术路线 | 第20-23页 |
1.3.1 研究内容 | 第20-21页 |
1.3.2 技术路线 | 第21-23页 |
1.4 本章小结 | 第23-24页 |
2 城市轨道交通多站协同客流控制问题分析 | 第24-38页 |
2.1 问题定义 | 第24-25页 |
2.2 多站协同客流控制的影响因素分析 | 第25-31页 |
2.2.1 客流需求特征 | 第25-29页 |
2.2.2 线路输送能力供给 | 第29-30页 |
2.2.3 路网拓扑结构 | 第30-31页 |
2.3 城市轨道交通客流拥堵疏解措施 | 第31-35页 |
2.3.1 运力配置措施 | 第32页 |
2.3.2 客流控制措施 | 第32-35页 |
2.4 基于滚动时域优化的多站协同客流控制的框架分析 | 第35-36页 |
2.5 本章小结 | 第36-38页 |
3 基于AFC数据的乘客路径选择行为建模与标定 | 第38-54页 |
3.1 基于AFC数据的路径选择行为分析 | 第38-40页 |
3.2 乘客路径选择行为建模 | 第40-42页 |
3.2.1 路径选择影响因素 | 第40-41页 |
3.2.2 路径选择模型 | 第41-42页 |
3.3 基于贝叶斯的参数标定模型 | 第42-48页 |
3.3.1 变量描述与符号说明 | 第42-43页 |
3.3.2 路网重建 | 第43-44页 |
3.3.3 基于贝叶斯的路径选择行为模型推导 | 第44-48页 |
3.4 基于M-H抽样的MCMC求解算法 | 第48-52页 |
3.4.1 MCMC方法 | 第48-50页 |
3.4.2 参数标定算法过程 | 第50-52页 |
3.5 本章小结 | 第52-54页 |
4 城市轨道交通多站协同客流控制模型和求解算法 | 第54-68页 |
4.1 模型假设与参数说明 | 第54-55页 |
4.2 决策变量与目标函数 | 第55-56页 |
4.3 模型约束 | 第56-59页 |
4.3.1 路径选择行为约束 | 第56-57页 |
4.3.2 客流需求约束 | 第57页 |
4.3.3 乘客上下车约束 | 第57-58页 |
4.3.4 站台容纳能力约束 | 第58页 |
4.3.5 列车运行时间约束 | 第58-59页 |
4.3.6 限流和乘客进站约束 | 第59页 |
4.4 基于滚动时域优化的限流方案制定及求解方法 | 第59-65页 |
4.4.1 滚动时域客流控制策略制定流程 | 第60-62页 |
4.4.2 多目标优化问题求解 | 第62页 |
4.4.3 基于粒子群的城市轨道交通多站协同客流控制模型求解算法 | 第62-65页 |
4.5 本章小结 | 第65-68页 |
5 案例 | 第68-82页 |
5.1 案例背景分析与区域路网重建 | 第68-69页 |
5.1.1 案例背景分析 | 第68页 |
5.1.2 区域路网重建 | 第68-69页 |
5.2 路径选择行为参数标定 | 第69-72页 |
5.2.1 基础数据 | 第69-71页 |
5.2.2 参数标定结果及路径选择比例计算 | 第71-72页 |
5.3 多站协同客流控制方案求解过程 | 第72-79页 |
5.3.1 客流需求数据输入 | 第72页 |
5.3.2 客流控制求解结果分析 | 第72-75页 |
5.3.3 不同时间粒度的客流控制方案满意度结果分析比较 | 第75-76页 |
5.3.4 多站协同限流与仿真效果对比分析 | 第76-78页 |
5.3.5 多站协同客流控制结果分析 | 第78-79页 |
5.3.6 与已有多站协同客流控制研究对比分析 | 第79页 |
5.4 本章小结 | 第79-82页 |
6 结论与展望 | 第82-86页 |
6.1 主要研究工作 | 第82页 |
6.2 论文创新点 | 第82-83页 |
6.3 研究展望 | 第83-86页 |
参考文献 | 第86-92页 |
附录 | 第92-96页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第96-100页 |
学位论文数据集 | 第100页 |