京沪高铁短期客流量预测及票额分配的优化研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景和研究意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 收益管理研究现状 | 第11-12页 |
| 1.2.2 客流量预测研究现状 | 第12-13页 |
| 1.2.3 票额分配研究现状 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 第2章 收益管理在高铁客运的适用性分析 | 第15-24页 |
| 2.1 收益管理系统 | 第15-19页 |
| 2.1.1 收益管理概念及发展 | 第15-18页 |
| 2.1.2 收益管理内容及框架 | 第18-19页 |
| 2.2 高铁应用收益管理的适用性分析 | 第19-23页 |
| 2.2.1 高铁票额管理办法现状及问题 | 第19-21页 |
| 2.2.2 适用性分析 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 高铁短期客流量预测理论及方法 | 第24-42页 |
| 3.1 客流预测理论 | 第24-27页 |
| 3.1.1 客流量预测概念 | 第24-25页 |
| 3.1.2 客流波动的影响因素 | 第25页 |
| 3.1.3 客流分布特点 | 第25-27页 |
| 3.2 短期客流量预测方法 | 第27-31页 |
| 3.2.1 基于数理统计学的方法 | 第28-29页 |
| 3.2.2 人工智能方法 | 第29-30页 |
| 3.2.3 预测方法比较 | 第30-31页 |
| 3.3 BP神经网络理论及方法 | 第31-34页 |
| 3.3.1 BP神经网络基本理论 | 第31页 |
| 3.3.2 BP神经网络结构及运算步骤 | 第31-33页 |
| 3.3.3 标准BP神经网络的局限性 | 第33-34页 |
| 3.4 改进BP神经网络的设计 | 第34-37页 |
| 3.4.1 激励函数 | 第34-35页 |
| 3.4.2 权值和阈值 | 第35-36页 |
| 3.4.3 训练算法 | 第36-37页 |
| 3.5 算例分析 | 第37-41页 |
| 3.5.1 原始数据分析及处理 | 第37-40页 |
| 3.5.2 模型参数设定 | 第40页 |
| 3.5.3 预测结果及分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 高铁票额分配优化方法及模型 | 第42-54页 |
| 4.1 存量控制 | 第42-45页 |
| 4.1.1 存量控制策略 | 第42-44页 |
| 4.1.2 存量控制一般模型 | 第44-45页 |
| 4.2 高铁票额分配模型 | 第45-49页 |
| 4.2.1 模型基本假设 | 第45-46页 |
| 4.2.2 非巢式票额分配模型 | 第46-48页 |
| 4.2.3 巢式票额分配模型 | 第48-49页 |
| 4.3 模型特征及求解算法 | 第49-53页 |
| 4.3.1 模型特征分析 | 第49-50页 |
| 4.3.2 列生成算法 | 第50-52页 |
| 4.3.3 带惩罚项的拉格朗日算法 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 票额分配算例分析 | 第54-59页 |
| 5.1 算例描述 | 第54-55页 |
| 5.2 算例求解 | 第55-57页 |
| 5.3 结论分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 结论与建议 | 第59-61页 |
| 6.1 论文主要研究内容和创新点 | 第59-60页 |
| 6.1.1 论文主要研究内容 | 第59页 |
| 6.1.2 论文的主要创新点 | 第59-60页 |
| 6.2 有待进一步研究的问题 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-65页 |
| 致谢 | 第65页 |
