| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 城市轨道交通网络重要点识别研究 | 第13-15页 |
| 1.2.2 城市轨道交通网络客流分配研究 | 第15-16页 |
| 1.2.3 客流时空演化特性研究 | 第16-18页 |
| 1.3 研究内容及技术路线 | 第18-22页 |
| 2 基于区间满载率的重要区间识别方法 | 第22-36页 |
| 2.1 城市轨道交通网络客流分配模型变量分析 | 第22-27页 |
| 2.1.1 路径广义费用函数构造 | 第23页 |
| 2.1.2 进出站时间估计 | 第23-27页 |
| 2.1.3 换乘时间估计 | 第27页 |
| 2.2 Logit交通分配模型 | 第27-31页 |
| 2.2.1 路径选择概率 | 第27-28页 |
| 2.2.2 有效路径搜索 | 第28-31页 |
| 2.3 实时满载率推算方法 | 第31-33页 |
| 2.3.1 客流分配阶段 | 第31页 |
| 2.3.2 区间流量更新阶段 | 第31-32页 |
| 2.3.3 区间满载率计算阶段 | 第32-33页 |
| 2.4 基于K-means的区间聚类分析 | 第33页 |
| 2.5 本章小结 | 第33-36页 |
| 3 基于网络效率的重要区间识别方法 | 第36-44页 |
| 3.1 基于网络效率的静态重要区间识别方法 | 第37-40页 |
| 3.1.1 城市轨道交通网络拓扑结构建立 | 第37-39页 |
| 3.1.2 静态重要区间识别算法 | 第39-40页 |
| 3.2 基于网络效率的动态重要区间识别方法 | 第40-41页 |
| 3.2.1 OD对满意度函数 | 第40-41页 |
| 3.2.2 动态重要区间识别算法 | 第41页 |
| 3.3 本章小结 | 第41-44页 |
| 4 客流时空演化特性分析 | 第44-54页 |
| 4.1 传统空间自相关模型 | 第44-48页 |
| 4.1.1 全局空间统计量 | 第45-46页 |
| 4.1.2 局部空间统计量 | 第46-48页 |
| 4.2 基于邻接区间重要度的时空自相关模型 | 第48-50页 |
| 4.2.1 时空自相关模型改进 | 第48-49页 |
| 4.2.2 时空邻接矩阵 | 第49-50页 |
| 4.3 基于邻接区间重要度的时空Moran's I指数 | 第50-53页 |
| 4.3.1 全局时空Moran's I指数 | 第50-51页 |
| 4.3.2 局部时空Moran's I指数及Moran散点图 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 案例研究 | 第54-88页 |
| 5.1 基于区间满载率的重要区间识别 | 第54-66页 |
| 5.1.1 候车时间、进出站时间及换乘时间估计结果 | 第54-58页 |
| 5.1.2 客流分配模型参数敏感性分析 | 第58-60页 |
| 5.1.3 重要区间识别结果 | 第60-66页 |
| 5.2 基于网络效率的重要区间识别 | 第66-75页 |
| 5.2.1 静态重要区间识别结果 | 第66-69页 |
| 5.2.2 动态重要区间识别结果 | 第69-75页 |
| 5.3 两种重要区间识别方法的比较分析 | 第75-78页 |
| 5.4 客流时空演化特性分析 | 第78-87页 |
| 5.4.1 全天区间满载率全局时空关联性分析 | 第78-80页 |
| 5.4.2 客流传播局部时空分析 | 第80-87页 |
| 5.5 本章小结 | 第87-88页 |
| 6 结论及展望 | 第88-92页 |
| 6.1 主要内容及研究结论 | 第88-89页 |
| 6.2 研究展望 | 第89-92页 |
| 参考文献 | 第92-96页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第96-100页 |
| 学位论文数据集 | 第100页 |
