| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 地铁客流量估计 | 第9-12页 |
| 1.3 深度学习 | 第12-13页 |
| 1.4 研究内容及结构安排 | 第13-14页 |
| 第二章 地铁客流量估计基本理论 | 第14-26页 |
| 2.1 国内轨道交通建设情况分析 | 第14-16页 |
| 2.2 地铁交通特征 | 第16-17页 |
| 2.2.1 线路结构简单 | 第16页 |
| 2.2.2 候车空间封闭 | 第16页 |
| 2.2.3 列车发车频率高 | 第16页 |
| 2.2.4 列车进出站规律性 | 第16-17页 |
| 2.2.5 客流量随机性 | 第17页 |
| 2.2.6 客流量规律性 | 第17页 |
| 2.2.7 客流量动态性 | 第17页 |
| 2.3 地铁客流量影响因素 | 第17-19页 |
| 2.3.1 气候因素 | 第17页 |
| 2.3.2 时间因素 | 第17-18页 |
| 2.3.3 交通因素 | 第18页 |
| 2.3.4 出行距离因素 | 第18页 |
| 2.3.5 票制票价因素 | 第18-19页 |
| 2.3.6 环保因素 | 第19页 |
| 2.4 客流估计方法 | 第19-25页 |
| 2.4.1 中长期客流估计 | 第19-21页 |
| 2.4.2 短期客流估计 | 第21-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 声频检测理论及客流量估计系统 | 第26-32页 |
| 3.1 声频检测的原理 | 第26页 |
| 3.2 声波的产生和度量 | 第26页 |
| 3.3 声波运动特性及传输理论 | 第26-29页 |
| 3.3.1 波动方程 | 第26-28页 |
| 3.3.2 传输理论 | 第28-29页 |
| 3.4 地铁客流量估计系统 | 第29-31页 |
| 3.4.1 检测设备的组成 | 第29-30页 |
| 3.4.2 声音信号的采集 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 深度学习的基本理论 | 第32-45页 |
| 4.1 深度学习概述 | 第32-33页 |
| 4.1.1 深度学习的概念 | 第32页 |
| 4.1.2 浅层学习和深层学习 | 第32-33页 |
| 4.2 深度学习基本原理和常用学习方法 | 第33-40页 |
| 4.2.1 深度学习的基本原理 | 第33页 |
| 4.2.2 常用学习方法 | 第33-40页 |
| 4.3 RBM模型 | 第40-43页 |
| 4.3.1 模型的定义 | 第40-41页 |
| 4.3.2 模型的训练过程 | 第41-43页 |
| 4.4 基于深度学习的声频信号在地铁客流量估计中的应用 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 深度学习在声频检测及客流量估计中的应用 | 第45-56页 |
| 5.1 实验环境 | 第45页 |
| 5.2 实验语料库 | 第45-47页 |
| 5.2.1 来源 | 第45页 |
| 5.2.2 预处理 | 第45-46页 |
| 5.2.3 数据集构成 | 第46-47页 |
| 5.2.4 标记样本 | 第47页 |
| 5.3 搭建DBM模型 | 第47-49页 |
| 5.4 仿真实验 | 第49-54页 |
| 5.5 本章小结 | 第54-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |