声明
致谢
1 绪论
1.1 研究背景与研究意义
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 客流短时预测研究现状
1.2.2 OD动态预测研究现状
1.2.3 出行目的地预测研究现状
1.2.4 国内外研究现状总结
1.3 研究内容与论文结构
2 城市轨道交通乘客出行特征分析
2.1 数据来源和预处理
2.2 宏观客流量特征分析
2.2.1 基于客流特征的城市轨道交通车站聚类
2.2.2 考虑车站类型的客流时空特性分析
2.3 微观乘客个体出行特征分析
2.3.1 乘客出行时间分布特征
2.3.2 乘客出行距离分布特征
2.3 本章小结
3 基于多特征 Wavelet-LSTM的进站客流量短时预测
3.1 模型概述
3.2 多特征 Wavelet-LSTM预测模型构建
3.2.1 相关车站选取
3.2.2 进站客流序列的小波变换
3.2.3 长短时记忆网络
3.3 实例分析
3.3.1 数据基础
3.3.2 预测结果分析
3.4 本章小结
4 基于 Kalman-Wavelet-LSTM的宏观 OD分布预测模型
4.1 模型概述
4.2 Kalman-Wavelet-LSTM预测模型构建
4.2.1 客流状态空间模型构建
4.2.2 Kalman-Wavelet-LSTM预测算法
4.3 实例分析
4.3.1 数据基础
4.3.2 预测结果分析
4.4 本章小结
5 基于 RF-LightGBM的乘客出行目的地预测
5.1 基于机器学习单模型的乘客出行目的地预测
5.1.1 基于决策树的乘客出行目的地预测
5.1.2 基于随机森林的乘客出行目的地预测
5.1.3 基于梯度提升树的乘客出行目的地预测
5.1.4 基于 LightGBM 的乘客出行目的地预测
5.2 基于 RF-LightGBM组合模型的乘客出行目的地预测
5.3 实例分析
5.3.1 数据基础
5.3.2 预测结果分析
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;