| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 城市轨道交通客流分配研究现状 | 第13-17页 |
| 1.2.2 城市轨道交通突发事件研究现状 | 第17-19页 |
| 1.2.3 国内外研究现状总结 | 第19-20页 |
| 1.3 研究目的和意义 | 第20页 |
| 1.4 研究内容和方法 | 第20-23页 |
| 2 城市轨道交通AFC系统简介及乘客出行规律分析 | 第23-31页 |
| 2.1 AFC系统简介 | 第23-24页 |
| 2.2 城市轨道交通客流时空分布特征 | 第24-28页 |
| 2.3 城市轨道交通乘客出行目的和出行时间规律 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 城市轨道交通乘客出行路径匹配研究 | 第31-43页 |
| 3.1 城市轨道交通网络路径分析 | 第31-33页 |
| 3.2 乘客路径旅行时间分布及其估计方法 | 第33-35页 |
| 3.2.1 乘客路径旅行时间分布 | 第33-34页 |
| 3.2.2 旅行时间密度函数及其估计方法 | 第34-35页 |
| 3.3 基于聚类和模糊匹配的城市轨道交通乘客出行路径匹配 | 第35-41页 |
| 3.3.1 乘客旅行时间的密度峰值聚类算法 | 第35-38页 |
| 3.3.2 基于模糊匹配的乘客出行路径识别方法 | 第38-41页 |
| 3.4 基于旅行时间分布的城市轨道交通出行路径匹配 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 城市轨道交通突发事件识别及影响估计 | 第43-53页 |
| 4.1 基于贝叶斯预测的城市轨道交通进站量异常识别 | 第43-48页 |
| 4.1.1 整体思路 | 第44-45页 |
| 4.1.2 基于贝叶斯预测的城市轨道交通进站量异常识别方法 | 第45-48页 |
| 4.2 城市轨道交通突发事件影响估计 | 第48-51页 |
| 4.2.1 受影响客流量的估算方法 | 第48-50页 |
| 4.2.2 乘客旅行时间的影响计算方法 | 第50-51页 |
| 4.3 本章小结 | 第51-53页 |
| 5 北京轨道交通网络实例分析 | 第53-73页 |
| 5.1 北京轨道交通网络及基础数据 | 第53-54页 |
| 5.2 北京轨道交通乘客出行路径匹配实例分析 | 第54-61页 |
| 5.2.1 乘客路径旅行时间分布估计 | 第55-58页 |
| 5.2.2 基于密度峰值聚类和模糊匹配的乘客出行路径匹配 | 第58-60页 |
| 5.2.3 基于旅行时间分布的城市轨道交通出行路径匹配 | 第60-61页 |
| 5.3 北京轨道交通网络突发事件影响范围实例分析 | 第61-73页 |
| 5.3.1 北京轨道交通车站进站量异常识别 | 第61-64页 |
| 5.3.2 突发事件影响范围 | 第64-73页 |
| 6 结论及展望 | 第73-75页 |
| 6.1 研究结论 | 第73-74页 |
| 6.2 研究展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第81-85页 |
| 学位论文数据集 | 第85页 |
