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 |