基于短时客流混合预测的枢纽站预警机制研究
摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-17页 |
1.1 研究背景与意义 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 研究现状 | 第11-14页 |
1.2.1 短时客流预测 | 第12-13页 |
1.2.2 交通流状态识别与预警调控 | 第13-14页 |
1.3 论文的研究内容与技术路线 | 第14-16页 |
本章小结 | 第16-17页 |
第2章 城市轨道交通枢纽客流分析 | 第17-25页 |
2.1 城市轨道交通客流时间特性 | 第17-18页 |
2.1.1 周期稳定性 | 第17页 |
2.1.2 随机性 | 第17-18页 |
2.1.3 突变性 | 第18页 |
2.2 城市轨道交通客流空间特性 | 第18-20页 |
2.2.1 汇集性 | 第18-19页 |
2.2.2 转移性 | 第19页 |
2.2.3 不均衡性 | 第19-20页 |
2.2.4 多选择性 | 第20页 |
2.3 城市轨道交通乘客行为特性 | 第20-21页 |
2.3.1 便捷性 | 第20-21页 |
2.3.2 舒适性 | 第21页 |
2.3.3 简易性 | 第21页 |
2.3.4 差异性 | 第21页 |
2.4 行人交通参数分析 | 第21-24页 |
2.4.1 密度速度关系 | 第22-23页 |
2.4.2 密度流量关系 | 第23-24页 |
2.4.3 流量行人占据空间关系 | 第24页 |
本章小结 | 第24-25页 |
第3章 城市轨道交通短时客流预测 | 第25-38页 |
3.1 模型选择分析 | 第25-26页 |
3.2 BP神经网络模型 | 第26-31页 |
3.2.1 理论介绍 | 第26-28页 |
3.2.2 模型建立 | 第28-30页 |
3.2.3 误差分析 | 第30-31页 |
3.3 时间序列模型 | 第31-36页 |
3.3.1 理论介绍 | 第31-33页 |
3.3.2 模型建立 | 第33-35页 |
3.3.3 模型验证 | 第35-36页 |
3.4 组合验证 | 第36-37页 |
本章小结 | 第37-38页 |
第4章 城市轨道交通枢纽预警等级识别机理 | 第38-53页 |
4.1 枢纽主要服务设施分析 | 第38-41页 |
4.1.1 站台 | 第38-39页 |
4.1.2 楼扶梯 | 第39-40页 |
4.1.3 自动检票机 | 第40-41页 |
4.2 确定预警阈值 | 第41-46页 |
4.2.1 站台 | 第41-44页 |
4.2.2 楼扶梯 | 第44-45页 |
4.2.3 自动检票机 | 第45-46页 |
4.2.4 预警等级划分 | 第46页 |
4.3 构建预警等级识别模型 | 第46-52页 |
4.3.1 云模型定义 | 第47-49页 |
4.3.2 标准云模型的建立 | 第49-51页 |
4.3.3 待识别云模型的建立 | 第51页 |
4.3.4 待识别云和标准云的相似度计算 | 第51-52页 |
本章小结 | 第52-53页 |
第5章 城市轨道交通枢纽站预警机制 | 第53-58页 |
5.1 预警整体思路 | 第53-54页 |
5.2 预警机制 | 第54页 |
5.3 调控措施 | 第54-56页 |
5.3.1 信息引导 | 第54-55页 |
5.3.2 行人流控制 | 第55页 |
5.3.3 优化方式 | 第55页 |
5.3.4 日常管理手段 | 第55页 |
5.3.5 智能技术手段 | 第55-56页 |
5.4 不同预警等级下应对措施 | 第56-57页 |
5.4.1 绿色应对策略 | 第56页 |
5.4.2 黄色应对策略 | 第56页 |
5.4.3 橙色应对策略 | 第56页 |
5.4.4 红色应对策略 | 第56-57页 |
5.4.5 突发事件下的被动应急预案 | 第57页 |
本章小结 | 第57-58页 |
第6章 实例计算 | 第58-68页 |
6.1 站点概况 | 第58页 |
6.2 调查方案 | 第58-60页 |
6.3 数据分析 | 第60页 |
6.4 模型应用 | 第60-67页 |
6.4.1 短时客流混合预测 | 第61页 |
6.4.2 待识别模型识别 | 第61-65页 |
6.4.3 预警调控措施 | 第65-67页 |
本章小结 | 第67-68页 |
第7章 总结及展望 | 第68-69页 |
7.1 论文总述 | 第68页 |
7.2 展望 | 第68-69页 |
参考文献 | 第69-71页 |
致谢 | 第71页 |