首页--交通运输论文--铁路运输论文--铁路运输管理工程论文--旅客运输论文--旅客运输组织与管理论文

城市轨道交通短期客流预测方法及应用研究

摘要第4-5页
ABSTRACT第5页
第一章 绪论第8-18页
    1.1 研究背景及意义第8-10页
        1.1.1 研究背景第8-9页
        1.1.2 研究意义第9-10页
    1.2 国内外研究现状第10-15页
        1.2.1 国内研究现状第10-13页
        1.2.2 国外研究现状第13-15页
    1.3 研究内容及结构第15-18页
第二章 城市轨道交通客流特点及影响因素分析第18-26页
    2.1 客流空间分布特征第18-19页
        2.1.1 线路客流空间分布第18-19页
        2.1.2 网络客流空间分布第19页
    2.2 客流时间分布特征第19-23页
        2.2.1 客流量变化趋势第19-20页
        2.2.2 客流时间分布第20-23页
    2.3 城市轨道交通客流的影响因素第23-25页
    2.4 本章小结第25-26页
第三章 重庆轻轨客流的时序特点分析第26-46页
    3.1 重庆轻轨平日客流分析第26-28页
        3.1.1 平日客流情况第26-27页
        3.1.2 平日小时断面客流情况第27页
        3.1.3 三号线平日客流情况第27-28页
    3.2 双休日客流分析第28-30页
        3.2.1 双休日客流情况第28-29页
        3.2.2 双休日小时断面客流分析第29-30页
        3.2.3 二号线双休日客流情况第30页
    3.3 节日客流分析第30-45页
        3.3.1 春节客流分析第30-33页
        3.3.2 妇女节客流分析第33-34页
        3.3.3 清明节客流分析第34-38页
        3.3.4 五一节客流分析第38-39页
        3.3.5 中秋节客流分析第39-44页
        3.3.6 国庆节客流量分析第44-45页
    3.4 本章小结第45-46页
第四章 城市轨道交通短期客流的单一预测方法研究第46-60页
    4.1 回归分析方法第46-51页
        4.1.1 回归分析概述第46-48页
        4.1.2 回归分析方法应用第48-51页
    4.2 时间序列分析方法第51-55页
        4.2.1 时间序列分析方法概述第51-52页
        4.2.2 时间序列分析方法应用第52-55页
    4.3 支持向量机方法第55-57页
        4.3.1 支持向量机方法概述第55-56页
        4.3.2 支持向量机方法应用第56-57页
    4.4 神经网络方法第57-58页
        4.4.1 BP神经网络方法概述第57页
        4.4.2 BP神经网络方法应用第57-58页
    4.5 本章小结第58-60页
第五章 城市轨道交通短期客流的组合预测方法研究第60-66页
    5.1 加权方法第60-62页
    5.2 神经网络方法第62-63页
    5.3 随机森林方法第63-64页
        5.3.1 随机森林方法理论概述第63页
        5.3.2 随机森林回归应用第63-64页
    5.4 本章小结第64-66页
第六章 总结及展望第66-68页
    6.1 本文小结第66-67页
    6.2 未来展望第67-68页
致谢第68-69页
参考文献第69-73页
附录第73-105页
    表1 重庆轻轨三号线2015年 1 季度日客流量第73-77页
    表2 二次曲线拟合结果第77-80页
    表3 分段回归拟合结果第80-83页
    表4 初始数据的自相关值第83-84页
    表5 初始数据的偏自相关值第84-85页
    表6 ARIMA(1,1,0)(0,0,1)第85-88页
    表7 支持向量机拟合结果第88-91页
    表8 BP神经网络拟合结果第91-94页
    表9 组合预测所用数据第94-97页
    表10 普通加权法的拟合结果第97-100页
    表11 BP神经网络拟合结果第100-103页
    表12 随机森林拟合结果第103-105页

论文共105页,点击 下载论文
上一篇:饲料中大豆粕替代鱼粉对牛蛙生长性能、消化酶活力和肠道组织结构的影响
下一篇:大连农村商业银行发展战略研究