基于AFC数据挖掘的城市轨道交通时刻表优化
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 论文研究主要内容 | 第13-14页 |
| 1.3 论文技术路线 | 第14-16页 |
| 2 国内外研究现状综述 | 第16-22页 |
| 2.1 以乘客候车时间和换乘时间最小为目标 | 第16-17页 |
| 2.2 以总费用最小为目标 | 第17-18页 |
| 2.3 特殊优化目标 | 第18-19页 |
| 2.4 国内外研究综合评述 | 第19-22页 |
| 3 客流数据采集及分析 | 第22-40页 |
| 3.1 城市轨道交通AFC系统及AFC数据 | 第22-24页 |
| 3.1.1 城市轨道交通AFC系统 | 第22-23页 |
| 3.1.2 AFC系统数据采集 | 第23-24页 |
| 3.2 城市轨道交通客流分布 | 第24-36页 |
| 3.2.1 客流时间分布特征 | 第25-30页 |
| 3.2.2 客流空间分布特征 | 第30-36页 |
| 3.3 出行OD和关联OD | 第36-38页 |
| 3.3.1 出行OD | 第37页 |
| 3.3.2 关联OD | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 关联OD数据提取及统计分析 | 第40-72页 |
| 4.1 客流分配基础知识 | 第40-43页 |
| 4.1.1 客流分配基本概念 | 第40页 |
| 4.1.2 城市轨道交通路网的图论表示 | 第40-42页 |
| 4.1.3 最短路搜索算法 | 第42页 |
| 4.1.4 客流分配方法 | 第42-43页 |
| 4.2 关联OD数据提取 | 第43-49页 |
| 4.2.1 问题假设 | 第43页 |
| 4.2.2 参数定义 | 第43-44页 |
| 4.2.3 客流分配 | 第44-45页 |
| 4.2.4 时空修正 | 第45-49页 |
| 4.3 站台客流统计 | 第49-52页 |
| 4.3.1 站台到达率矩阵提取 | 第49-50页 |
| 4.3.2 站台离开率矩阵提取 | 第50-51页 |
| 4.3.3 站台客流特征矩阵提取 | 第51-52页 |
| 4.3.4 三次样条插值法 | 第52页 |
| 4.4 聚类分析 | 第52-56页 |
| 4.4.1 层次聚类法 | 第53-54页 |
| 4.4.2 k-means聚类法 | 第54-55页 |
| 4.4.3 有序样本聚类分析法 | 第55-56页 |
| 4.5 案例分析 | 第56-70页 |
| 4.5.1 前期数据处理 | 第56-58页 |
| 4.5.2 关联OD数据提取 | 第58-62页 |
| 4.5.3 13号线站台客流特征提取 | 第62-65页 |
| 4.5.4 运营特征目分类 | 第65-68页 |
| 4.5.5 运营时段划分 | 第68-70页 |
| 4.6 本章小结 | 第70-72页 |
| 5 列车时刻表优化模型及算法研究 | 第72-86页 |
| 5.1 符号变量以及基本假设 | 第72-74页 |
| 5.1.1 符号变量 | 第72-73页 |
| 5.1.2 基本假设 | 第73-74页 |
| 5.2 模型构建 | 第74-78页 |
| 5.2.1 各参、变量之间耦合关系 | 第74-76页 |
| 5.2.2 目标函数 | 第76-78页 |
| 5.3 算法设计 | 第78-80页 |
| 5.3.1 遗传算法编码方法 | 第78-79页 |
| 5.3.2 适应度函数 | 第79页 |
| 5.3.3 遗传算法算子 | 第79-80页 |
| 5.3.4 遗传算法终止条件 | 第80页 |
| 5.3.5 约束条件的处理方法 | 第80页 |
| 5.4 实例分析 | 第80-85页 |
| 5.4.1 参数设置 | 第81-83页 |
| 5.4.2 算法实现和结果分析 | 第83-85页 |
| 5.5 本章小结 | 第85-86页 |
| 6 总结和展望 | 第86-88页 |
| 6.1 主要研究成果总结 | 第86-87页 |
| 6.2 研究展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第92-96页 |
| 学位论文数据集 | 第96页 |
