| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 选题背景 | 第10-12页 |
| 1.2 学术背景及理论 | 第12-16页 |
| 1.2.1 AFC系统 | 第12页 |
| 1.2.2 交通信息预测理论 | 第12-14页 |
| 1.2.3 交通信息分配理论 | 第14-16页 |
| 1.2.4 神经网络理论 | 第16页 |
| 1.3 研究意义 | 第16-17页 |
| 1.4 研究基础 | 第17页 |
| 1.5 国内外研究现状 | 第17-19页 |
| 1.5.1 国内研究现状 | 第17-18页 |
| 1.5.2 国外研究现状 | 第18-19页 |
| 1.6 研究内容 | 第19-20页 |
| 第2章 城市轨道交通客流分析 | 第20-31页 |
| 2.1 客流概述 | 第20-21页 |
| 2.2 客流分析 | 第21-29页 |
| 2.2.1 客流随时间的分布规律 | 第21-26页 |
| 2.2.2 客流随空间分布规律 | 第26-27页 |
| 2.2.3 客流随时空分布不均衡性分析 | 第27-29页 |
| 2.3 客流分配 | 第29-30页 |
| 2.3.1 静态交通分配与动态交通分配 | 第29页 |
| 2.3.2 交通网络中的平衡概念 | 第29-30页 |
| 2.4 重庆市轨道交通网络客流的分配 | 第30-31页 |
| 第3章 重庆轨道交通观音桥站客流分析 | 第31-37页 |
| 3.1 三号线观音桥站点概述 | 第31-32页 |
| 3.2 三号线观音桥客流特性概述 | 第32-37页 |
| 第4章 城市轨道交通客流预测 | 第37-46页 |
| 4.1 长期客流预测方法概述 | 第37-38页 |
| 4.2 传统短期客流预测模型及适用性分析 | 第38-39页 |
| 4.2.1 时间序列预测模型 | 第38-39页 |
| 4.2.2 回归预测模型 | 第39页 |
| 4.3 基于BP神经网络的预测模型 | 第39-46页 |
| 4.3.1 BP神经网络原理 | 第39-40页 |
| 4.3.2 BP神经网络特性 | 第40-41页 |
| 4.3.3 BP神经网络设计 | 第41-46页 |
| 第5章 重庆轨道交通观音桥站点客流预测 | 第46-56页 |
| 5.1 BP神经网络进出站客流时间序列预测 | 第46-50页 |
| 5.1.1 BP神经网络时间序列参数确定 | 第46-49页 |
| 5.1.2 BP神经网络时间序列预测 | 第49-50页 |
| 5.2 BP神经网络进出站客流回归预测 | 第50-55页 |
| 5.2.1 影响因素的选择 | 第50-51页 |
| 5.2.2 BP神经网络回归预测参数确定 | 第51-54页 |
| 5.2.3 BP神经网络回归预测 | 第54-55页 |
| 5.3 小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录1 所研究时间段进出站客流数据 | 第63-74页 |
| 附录2 所研究时间段重庆气象数据 | 第74-82页 |
| 附录3 BP神经网络时间序列预测的MATLAB程序代码 | 第82-84页 |
| 附录4 BP神经网络回归预测的MATLAB程序代码 | 第84-85页 |