声明
第1 章绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 基于数理统计的预测方法
1.2.2 基于非线性理论的预测方法
1.2.3 基于智能算法的预测方法
1.2.4 基于组合模型的预测方法
1.2.5 研究现状总结
1.3 论文主要内容及技术路线
1.3.1 研究内容
1.3.2 论文结构
1.3.3 技术路线
第2 章 城市轨道交通数据预处理及分析
2.1 数据挖掘
2.2 原始数据说明
2.2.1 AFC数据
2.2.2 天气环境数据
2.3 数据预处理
2.3.1 数据清洗
2.3.2 数据集成
2.4 相关性分析
2.5 本章小结
第3 章 城市轨道交通客流时空特性分析
3.1 客流概述
3.2 站点客流时空分布特征
3.2.1 客流时间分布特征
3.2.2 客流空间分布特征
3.3本章小结
第4 章短时客流预测方法研究
4.1 传统短时客流预测方法
4.2 深度学习理论
4.2.1 浅层神经网络基本原理
4.2.2 深层神经网络基本原理
4.2.3 深度学习与神经网络的联系
4.3 深度学习常见模型分析
4.3.1 循环神经网络
4.3.2 长短期记忆神经网络
4.3.3 卷积神经网络
4.4 本章小结
第5 章深度学习预测模型搭建
5.1 实验数据说明和预测流程
5.2 构建预测精度评价指标
5.3 预测模型的调参
5.4 本章小结
第6 章实例分析与对比
6.1 进出站预测结果
6.1.1 工作日
6.1.2 非工作日
6.2 对比模型预测结果
6.2.1 对比模型说明
6.2.2 预测结果对比分析
6.3 本章小结
结论与展望
1、研究结论
2、研究展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文及科研成果
西南交通大学;