| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究内容及技术路线 | 第14-18页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.3.3 技术路线 | 第15-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 客流数据采集及预处理 | 第19-25页 |
| 2.1 客流数据来源 | 第19页 |
| 2.2 客流数据采集 | 第19-21页 |
| 2.2.1 客流数据采集方法 | 第19-20页 |
| 2.2.2 客流数据采集类型 | 第20页 |
| 2.2.3 客流数据提取 | 第20-21页 |
| 2.3 客流数据预处理 | 第21-23页 |
| 2.3.1 异常数据识别 | 第22页 |
| 2.3.2 异常数据修复 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 线路短期客流变化特征分析 | 第25-39页 |
| 3.1 线路短期客流影响因素分析 | 第25-27页 |
| 3.1.1 票价 | 第25-26页 |
| 3.1.2 轨道交通网络化效应 | 第26页 |
| 3.1.3 线路运营服务水平 | 第26-27页 |
| 3.1.4 季节性影响因素 | 第27页 |
| 3.1.5 临时性影响因素 | 第27页 |
| 3.2 线路客流时间特征分析 | 第27-37页 |
| 3.2.1 季节变化特征 | 第27-28页 |
| 3.2.2 日变化特征 | 第28-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第4章 城市轨道交通线路短期客流预侧模型构建 | 第39-55页 |
| 4.1 短期客流预测模型基本理论 | 第39-43页 |
| 4.1.1 支持向量回归 | 第39-41页 |
| 4.1.2 遗传算法 | 第41-42页 |
| 4.1.3 粒子群算法 | 第42-43页 |
| 4.2 基于PSOGA-SVR的短期客流量预测模型构建 | 第43-48页 |
| 4.2.1 输入特征选取 | 第43-44页 |
| 4.2.2 量化和归一化处理 | 第44-45页 |
| 4.2.3 自由参数优化 | 第45-47页 |
| 4.2.4 建模过程 | 第47-48页 |
| 4.3 基于季节PSOGA-SVR的节假日客流量预测模型构建 | 第48-53页 |
| 4.3.1 季节性调整方法 | 第48-50页 |
| 4.3.2 建模过程 | 第50-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 城市轨道交通线路短期客流预测模型实证分析 | 第55-67页 |
| 5.1 模型参数设定及估计 | 第55-59页 |
| 5.1.1 模型参数设定 | 第55页 |
| 5.1.2 模型参数估计 | 第55-59页 |
| 5.2 预测性能评价指标 | 第59页 |
| 5.3 预测结果及分析 | 第59-65页 |
| 5.3.1 整体预测结果及分析 | 第59-63页 |
| 5.3.2 节假日预测结果及分析 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第6章 结论与展望 | 第67-69页 |
| 6.1 主要研究结论 | 第67页 |
| 6.2 研究展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 科研经历与硕士期间发表论文情况 | 第75页 |