声明
致谢
摘要
1 绪论
1.1 研究背景和意义
1.2 相关领域研究现状
1.2.1 客流预测算法
1.2.2 客流疏散模型
1.3 研究目标和内容
1.3.1 研究目标
1.3.2 研究内容
2 基于小波分析的支持向量机短期客流预测算法
2.1 引言
2.2 客流数据预处理
2.2.1 客流类型
2.2.2 客流时间序列
2.3 融合多种模型特点的短期客流预测算法
2.3.1 基于小波分析的客流分解
2.3.2 基于最小二乘支持向量机的客流数据预测
2.3.3 客流预测数据重构
2.4 实验数据与评价方法
2.4.1 实验数据
2.4.2 评价方法
2.5 算法验证
2.5.1 情况一:北京站进站客流
2.5.2 情况二:北京站站内客流
2.5.3 情况三:西单站4号线换1号线换乘通道客流
2.6 小结
3 基于灰色马尔科夫的大客流实时预测算法
3.1 引言
3.2 重大事件对客流的影响
3.2.1 大型活动的影响
3.2.2 重大节假日的影响
3.3 大客流实时预测算法
3.3.1 算法流程
3.3.2 灰色预测
3.3.3 马尔科夫修正模型
3.3.4 预测模型选择
3.4 算法验证
3.4.1 情况一:大型活动
3.4.2 情况二:重大节假日
3.5 小结
4 面向多向行人疏散流的向量地场模型
4.1 引言
4.2 向量地场模型
4.2.1 行人速度离散化
4.2.2 地场向量化
4.2.3 行人移动规则
4.2.4 冲突解决策略
4.3 模型仿真与验证
4.3.1 场景一:模拟走廊场景
4.3.2 场景二:真实走廊场景仿真
4.3.3 场景三:其他场景的模拟
4.4 小结
5 一种引入排斥动态场的行人疏散地场模型
5.1 引言
5.2 新型行人疏散地场模型
5.2.1 行人移动方式
5.2.2 静态地场平滑化
5.2.3 障碍物的排斥地场
5.2.4 行人间的排斥地场
5.2.5 行人转移概率
5.3 模型仿真与验证
5.3.1 场景一:转弯场景
5.3.2 场景二:单一出口场景
5.4 小结
6 结论和展望
6.1 研究结论
6.2 研究展望
参考文献
作者简历、在学期间发表的学术论文与研究结果
学位论文数据集