轨道交通线网客流预测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 论文主要内容 | 第14-16页 |
| 第二章 城市轨道交通客流分析 | 第16-21页 |
| 2.1 客流规模的影响因素 | 第16-18页 |
| 2.2 轨道交通的交通特征 | 第18-19页 |
| 2.3 客流分时特点 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 常用客流预测方法 | 第21-31页 |
| 3.1 长期客流预测模型 | 第21-22页 |
| 3.2 短期客流预测模型 | 第22-26页 |
| 3.2.1 基于统计学模型 | 第22-24页 |
| 3.2.2 基于非线性模型 | 第24-25页 |
| 3.2.3 基于神经网络 | 第25-26页 |
| 3.3 神经网络预测原理 | 第26-28页 |
| 3.4 神经网络结构设计 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 时空相关性分析 | 第31-35页 |
| 4.1 相关性分析目标 | 第31页 |
| 4.2 时间相关性分析 | 第31-32页 |
| 4.3 时空相关性分析 | 第32-34页 |
| 4.3.1 时空特征描述 | 第32-33页 |
| 4.3.2 时空相关系数 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 广州地铁客流预测案例 | 第35-44页 |
| 5.1 广州地铁客流现状 | 第35-36页 |
| 5.2 广州地铁客流相关性分析 | 第36-40页 |
| 5.3 广州地铁客流神经网络预测 | 第40-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第六章 客流预测模块实现 | 第44-60页 |
| 6.1 模块总体架构 | 第44-45页 |
| 6.2 各子模块功能 | 第45-53页 |
| 6.2.1 用户登录子模块 | 第46页 |
| 6.2.2 历史客流数据导入子模块 | 第46-47页 |
| 6.2.3 车站相关性分析子模块 | 第47-48页 |
| 6.2.4 时间及时空相关性分析子模块 | 第48-51页 |
| 6.2.5 神经网络训练子模块 | 第51-52页 |
| 6.2.6 客流预测子模块 | 第52-53页 |
| 6.3 数据库设计 | 第53-55页 |
| 6.4 模块实现 | 第55-59页 |
| 6.4.1 用户登录 | 第55页 |
| 6.4.2 历史客流数据导入 | 第55-56页 |
| 6.4.3 车站相关性分析 | 第56-58页 |
| 6.4.4 客流预测 | 第58-59页 |
| 6.5 本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 7.1 工作总结 | 第60页 |
| 7.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |
