1 绪论
1.1 研究背景
1.1.1 世界城市轨道交通发展状况
1.1.2 国内城市轨道交通发展状况
1.1.3 城市轨道交通发展总结
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 研究现状总结
1.3 论文研究内容及意义
1.3.1 研究内容
1.3.2 研究意义
1.4 论文组织结构
2 客流特征分析与相关理论基础
2.1 引言
2.2 轨道历史客流特征
2.3 客流预测相关理论基础
2.3.1 递归神经网络
2.3.2 残差神经网络
2.4 区域划分相关理论基础
2.4.1 区域OD含义
2.4.2 区域划分方法
2.5小结
3 基于深度学习的多空间尺度客流预测模型设计
3.1 引言
3.2 基于时空影响流矩阵的进出站客流预测LSTM模型搭建
3.3 基于残差神经网络的进出站客流预测模型搭建
3.4 基于历史同期及顺序时间序列的站点OD客流预测LSTM模型搭建
3.5 基于区域划分与出行模式的客流预测LSTM模型搭建
3.5.1 出行区域划分
3.5.2 出行模式识别
3.5.3 区域OD客流预测模型搭建
3.6 小结
4 基于深度学习的多空间尺度客流预测算法实现与实验分析
4.1 引言
4.2 基于时空影响流矩阵的进出站客流预测
4.2.1 数据预处理
4.2.2 实验过程与结果分析
4.3 基于残差神经网络的进出站客流预测
4.3.1 数据预处理
4.3.2 实验过程与结果分析
4.4 基于历史同期及顺序时间序列的站点OD客流预测
4.4.1 数据预处理
4.4.2 实验过程与结果分析
4.5 基于区域划分与出行模式的客流预测
4.5.1 数据预处理
4.5.2 出行区域划分
4.5.3 出行模式识别
4.5.4 区域OD客流预测
4.6 多空间尺度预测结果对比分析
4.7 小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.学位论文数据集
致谢
重庆大学;