| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-15页 |
| 1.1.1 研究背景 | 第11-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究方法与内容 | 第15-16页 |
| 1.2.1 研究方法 | 第15页 |
| 1.2.2 研究内容 | 第15-16页 |
| 1.3 研究的技术路线 | 第16-19页 |
| 2 静态导引标识系统安全功效研究基础 | 第19-33页 |
| 2.1 地铁静态导引标识系统概念 | 第19-24页 |
| 2.1.1 标识分类布局 | 第19-23页 |
| 2.1.2 系统安全功效 | 第23-24页 |
| 2.2 静态导引标识系统研究综述 | 第24-26页 |
| 2.2.1 国外研究综述 | 第24-25页 |
| 2.2.2 国内研究综述 | 第25-26页 |
| 2.3 评价方法的选择与比较 | 第26-33页 |
| 2.3.1 人工神经网络应用于本研究的目的和意义 | 第26-29页 |
| 2.3.2 BP神经网络基本原理 | 第29-33页 |
| 3 地铁车站静态导引标识系统安全功效评价指标体系建立 | 第33-47页 |
| 3.1 评价指标体系建立原则 | 第33-34页 |
| 3.2 构建评价指标体系 | 第34-44页 |
| 3.2.1 影响因素分析 | 第34-37页 |
| 3.2.2 筛选评价指标 | 第37-44页 |
| 3.3 评价等级的划分 | 第44-47页 |
| 3.3.1 建立指标标准 | 第44-45页 |
| 3.3.2 划分评价等级 | 第45-47页 |
| 4 地铁车站静态导引标识系统安全功效评价模型构建 | 第47-64页 |
| 4.1 BP神经网络模型结构设计 | 第47-49页 |
| 4.1.1 输入输出设计 | 第47-48页 |
| 4.1.2 模型结构的确定 | 第48-49页 |
| 4.2 模型的拓扑结构与学习训练 | 第49-63页 |
| 4.2.1 训练样本的构建 | 第49-57页 |
| 4.2.2 数据预处理与语言编程的实现 | 第57-59页 |
| 4.2.3 网络拓扑结构与训练 | 第59-63页 |
| 4.3 BP神经网络评价模型的评价步骤 | 第63-64页 |
| 5 地铁车站静态导引标识系统安全功效评价模型应用 | 第64-77页 |
| 5.1 评价站点选取原则 | 第64页 |
| 5.2 站点数据获取过程 | 第64-70页 |
| 5.2.1 现场观察法 | 第64-65页 |
| 5.2.2 乘客访谈法 | 第65-67页 |
| 5.2.3 原始数据获取 | 第67-70页 |
| 5.3 评价模型应用 | 第70-77页 |
| 5.3.1 模型评价 | 第70-72页 |
| 5.3.2 评价反馈 | 第72-73页 |
| 5.3.3 建议措施 | 第73-77页 |
| 6 结论与展望 | 第77-79页 |
| 6.1 研究结论 | 第77页 |
| 6.2 主要创新点 | 第77-78页 |
| 6.3 研究不足及展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 附录A | 第83-93页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第93-97页 |
| 学位论文数据集 | 第97页 |