基于状态空间模型的城市轨道交通断面短时客流预测方法研究
| 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 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 国内研究现状 | 第12-14页 |
| 1.3.2 国外研究现状 | 第14-15页 |
| 1.3.3 国内外研究现状总结 | 第15-16页 |
| 1.4 研究内容及技术路线 | 第16-19页 |
| 1.4.1 研究内容 | 第16-17页 |
| 1.4.2 技术路线 | 第17-19页 |
| 2 城市轨道交通客流特征分析 | 第19-33页 |
| 2.1 城市轨道交通客流成长规律 | 第19-23页 |
| 2.1.1 客流成长规律分析 | 第19-22页 |
| 2.1.2 北京市客流成长规律 | 第22-23页 |
| 2.2 城市轨道交通断面客流时空分布特征 | 第23-31页 |
| 2.2.1 穿越中心城区的直径线路 | 第23-26页 |
| 2.2.2 呈放射状的郊区线路 | 第26-29页 |
| 2.2.3 位于中心城区的环线 | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 3 城市轨道交通断面客流相关性分析 | 第33-47页 |
| 3.1 断面客流量的统计方法 | 第33-36页 |
| 3.2 断面客流相关性分析 | 第36-38页 |
| 3.2.1 断面客流相关性分析的必要性 | 第36-37页 |
| 3.2.2 断面客流相关性分析方法 | 第37-38页 |
| 3.3 断面相关性分析方法的应用 | 第38-45页 |
| 3.3.1 基于多维标度法的断面相关性分析 | 第38-43页 |
| 3.3.2 相关断面客流特征分析 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 基于状态空间模型的关联断面短时客流预测 | 第47-61页 |
| 4.1 关联断面短时客流预测方法 | 第47-52页 |
| 4.1.1 基本状态空间模型 | 第48-49页 |
| 4.1.2 多维时间序列分析 | 第49-50页 |
| 4.1.3 关联断面短时客流预测模型的建立 | 第50-52页 |
| 4.2 关联断面客流预测模型求解算法 | 第52-59页 |
| 4.2.1 基本卡尔曼滤波算法 | 第52-55页 |
| 4.2.2 改进的自适应卡尔曼滤波 | 第55-57页 |
| 4.2.3 关联断面客流预测模型求解算法实现 | 第57-59页 |
| 4.3 本章小结 | 第59-61页 |
| 5 案例分析 | 第61-73页 |
| 5.1 数据样本分析 | 第61-62页 |
| 5.2 预测结果 | 第62-64页 |
| 5.3 预测结果分析 | 第64-72页 |
| 5.3.1 整体预测结果分析 | 第64-67页 |
| 5.3.2 各时段预测结果分析 | 第67-69页 |
| 5.3.3 高峰时段预测结果分析 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 6 结论与展望 | 第73-75页 |
| 6.1 本文研究结论 | 第73-74页 |
| 6.2 研究展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 附录 | 第79-83页 |
| 作者简历 | 第83-87页 |
| 学位论文数据集 | 第87页 |
