一、改进的Logit随机路径选择模型及其算法实现（论文文献综述）
王猛[1]（2021）在《基于拓扑感知的车辆跟驰及换道规划研究》文中认为
张亮[2]（2020）在《改进的小波提升算法及其在地质雷达信号精细化分析中的应用》文中进行了进一步梳理地质雷达法能有效地探测和推断被测对象内部介质的分布情况,在工程质量检测与灾害评估方面得到了广泛应用。然而,目前地质雷达法在数据处理、图像信息的准确解译与精细化识别等方面还存在诸多不足。本文以隧道衬砌结构背后常见的空洞缺陷探测为研究对象,基于改进的提升格式小波构造算法和新构造的提升格式小波基函数,将地质雷达法与提升格式小波分析方法相结合,对检测中存在的强振幅干扰信号压制、缺陷目标体反射信号偏移成像及信号定量分析等问题进行了深入地探讨和研究。主要工作包括以下几个方面:（1）在传统小波分析原理及双正交小波传统构造方法的基础上,针对地质雷达信号分析用小波基选取时存在的不确定性和盲目性问题,开展了与地质雷达信号波形相匹配、性质优良的双正交小波基函数构造方法研究。阐述了小波提升方案的概念、算法实现的原理,并对提升格式小波基构造一般算法进行了分析和讨论。通过对传统提升方法中滤波器系数的特点和滤波器组之间须满足的关系进行论证和推导,提出了改进的提升格式小波构造算法及其实现的基本流程,并基于完全重构滤波器方程,给出了与地质雷达信号匹配性好、具有高消失矩的双正交小波基构造的实现过程,应用紧支集小波正则指数计算原理,对新构造小波基的正则性进行了验算和比较。（2）针对地质雷达图像中钢筋等强反射作用造成的干扰屏蔽影响,以及常规一维小波分解难以将强反射干扰与微弱有效信号分离的问题,利用二维小波变换具有将图像信号分解成一系列不同方向、空间局部变化的子带、小波熵能反映信号能量分布特性的特点,提出了基于二维图像小波变换与小波能谱熵理论的地质雷达强反射干扰信号去除方法（TDWE法）。对各小波基函数的对称性、与地质雷达信号波形的相似度、地质雷达信号分解后的重构误差等性能进行了分析和比较,从小波函数的性质和信号能量熵计算的角度,对适合雷达图像处理的最优小波基函数进行了选择,基于最优小波基,采用TDWE法分别对钢筋-空洞正演图像及钢筋-空洞检测试验实测结果进行强反射压制和图像分辨率提高分析。（3）针对地质雷达图像缺陷目标体信号偏移处理中偏移速度难以选取及无法实现绕射波信号的精细化成像问题,利用非抽样小波具有不丢失相位信息及F-K域算法具有偏移运算速度快、稳定性好的特点,提出了一种基于二维非抽样小波与F-K偏移算法的地质雷达信号偏移归位方法（UWFK偏移法）。在对传统的F-K偏移算法原理及二维非抽样小波变换理论进行介绍的基础上,阐述了 UWFK偏移法实施的一般流程。通过对弱绕射波信号进行偏移处理并计算图像信息熵值,分析了偏移处理所需的最佳速度值。根据比较得到的最佳偏移速度值,采用UWFK法分别对地质雷达空洞正演图像及不同形状空洞的实测雷达图像进行了偏移归位分析。（4）为了实现对隐伏空洞边界的精细化识别和准确定位,采用小波模极大值法和小波时-能密度法对地质雷达检测信号奇异点进行精确提取与识别。构建了地质雷达多频率脉冲模拟信号,对两种识别方法在地质雷达信号奇异性检测中的可行性进行了验证分析。基于新构造的Tshg3.5小波基和小波库中已有的通用小波基,分别采用小波模极大值法和小波时-能密度法对地质雷达空洞正演模拟信号及空洞探测纵向测线和横向测线数据进行特征点信息提取和空洞缺陷尺寸量化分析,并对适用于RIS型地质雷达信号定量分析用的最优小波基和较优识别方法进行了比较和优选,最后对空洞的三维成像进行了分析。本文所做的研究工作,立足于学科前沿,着眼于现阶段地质雷达图像处理和信号分析中的热点问题,对地质雷达信号分析用小波基的构造与算法实现、地质雷达图像中强反射干扰信号的压制、缺陷目标体反射信号偏移成像及雷达信号定量识别等相关问题进行了深入系统地研究,具有较高的理论意义和实用价值,为隧道衬砌结构的健康诊断与质量安全评价奠定了理论与技术基础。
刘忠良[3]（2020）在《同站进出视角下的北京城市轨道交通乘客出行特征及异常行为研究》文中指出随着城市轨道交通建设投资增加,轨道运营里程显着增加,轨道交通进入网络化运营阶段。网络化运营对路网服务质量和精细化管理要求越来越高。以北京轨道交通为例,轨道交通网络四通八达,应用信息化技术,乘客实现无障碍换乘,提升服务感受。但同时也产生了相关问题,因为票卡非实名且无障碍换乘,所以运营单位难以准确了解乘客出行路径,制约了精细化管理水平进一步提升。本文在对北京轨道交通7000万条乘客出行数据的预处理中,发现了一些非正常乘车行为,这些非正常乘车行为会对运营安全造成隐患,同时也会在一定程度上影响路网服务水平和企业效益。本文对其中的一种称为“同站进出”异常乘车行为进行了统计。同站进出,即在短时间内,乘客在相同车站刷卡进出。统计获得,北京站同站进出比例约为3.5‰,天通苑站约为7‰;一些客流量较小的车站,比如良乡站,甚至达到了9‰。造成上述异常乘车行为原因是什么?如何有效识别进而加强管理?本文将通过数据进行原因分析,为运营管理单位提供分析方法和模型,并初步提出政策建议。本文主要工作如下。通过分析北京轨道交通OD（Origin-Destination）数据,基于数据可视化分析与机器学习算法,构建轨道交通同站进出分析模型;运用聚类分析、乘客特征分析与机器学习的方法,在乘客画像验证分析的基础上,识别出有异常行为的人群,为轨道交通管理提供决策参考。具体讲,本研究的主要内容包括五方面:一是在数据分析的基础上,明晰同站进出的概念,并用Python语言设计同站进出的分析算法,进行验证分析。验证结果表明,所研究的算法具有很好的结构性特点,可以分析大规模数据。二是从车站、线路、时间以及乘客等四个维度,分析城市轨道交通乘客同站进出特征。分桶结果发现:与同站进出总量结果不同,同站进出比例较大的车站为景泰站、良乡大学城站等偏远、客流量不大的车站,而且同站进出的时间间隔主要集中在5分钟以内,个别票卡出现了120次同站进出现象。三是对乘客进行追踪分析、时间分布分析,在此基础上研究乘客乘车的行为聚类。四是运用数据可视化技术分析各类别中典型票卡的同站进出习惯,并将其异常行为归结为三类,即“疑似偷盗”行为、“疑似乞讨卖艺”行为与“疑似发小广告”行为,后两种可以称为蹭福利行为。五是进一步讨论异常行为中的“疑似偷盗”行为、“疑似乞讨卖艺”行为和“疑似发小广告”行为等问题,并基于随机森林算法,对异常行为进行分类管理,以便为运营管理单位提供一种可以预测的方法。本文的创新点如下。（1）提出一种新的密集型数据的分析方法。为了解决轨道交通数据聚类分析过程中两个数据对象相似或相异性问题,引入了相异性度量的概念,数据对象之间的相异度是在轨道交通数据聚类分析之前完成的。一般,用相异度矩阵（或相似度矩阵）来表示其相异度。传统轨道交通数据聚类分析算法还需解决数据密集型计算环境下数据挖掘效率不高、准确度不高的问题。本文提出一种改进的数据密集型计算环境下基于密度的分布式聚类算法（Data-intensive Density Base Distributed Clustering,IDBDC）算法,并引入了开源项目Hadoop下的Map Reduce编程模型,结合云计算和数据流聚类技术,将聚类算法整合到Map Reduce模型中,使其有效解决数据密集型计算环境下的数据分析挖掘。（2）异常人群识别方法与画像。对存在异常轨道交通同站进出行为的票卡进行聚类算法与数据可视化分析,分析各类别中典型票卡的同站进出习惯,并根据其异常行为进行分类研究,基于一种改进的数据密集型计算环境下基于密度的分布式聚类算法,将异常行为归结为三类,即“疑似偷盗”行为、“疑似乞讨卖艺”行为与“疑似发小广告”行为。“疑似偷盗”行为一般具有频繁地换乘,随机停留,经常进行短途出行;“疑似乞讨卖艺”行为一般具有每天比较稳定的乞讨路线,且在站时间非常长的行为;“疑似发小广告”行为一般具有固定的派发时间,且是团伙派发的行为。（3）乘客行为预测与验证。出于管理成本考虑,运营管理单位无法全部一一核实每张票卡的行为特点,即这些票卡究竟是“疑似偷盗”行为、还是“疑似乞讨卖艺”行为、抑或是“疑似发小广告”行为。本文采用学习样本方法,预测各类票卡的行为特点。本文设计了基于随机森林方法的预测分析方法,利用bootsrap重抽样方法从原始样本中抽取多个样本,对每个bootsrap样本进行决策树建模,然后组合多棵决策树的预测,通过投票得出最终预测结果。研究的数据集显示,对于预测行为的描述,基本符合“疑似偷盗”行为、“疑似乞讨卖艺”行为和“疑似发小广告”行为。经过实际抽样测试本文提出的预测模型相对准确,提升乘车异常行为管理准确性和效率。图115幅,表63个,参考文献148篇。
刘楚天[4]（2020）在《宽带测向天线阵列及其算法实现》文中认为为了适应现代化战场中对侦查与反侦察、干扰与反干扰等场景以及民用领域中无人机在禁飞区飞行造成困扰和安全隐患的需求,无线电测向的技术变得越发的重要。其中,相关干涉仪测向方案以其较高的测向精度被广泛使用。本文主要研究了宽带测向天线阵列以及相关干涉仪测向算法的实现,共分为以下几个部分:设计了一款带有加载阻抗元件的平面超宽带天线,带宽从20MHz到6GHz,相对带宽198.67%。该天线采用集总元件与开路枝节混合加载的单极子形式。终端的开路枝节引入对地电容,有效的降低了天线的工作频率,电感元件的引入,也可以在不增加天线尺寸的前提下,降低工作频率。当工作在20MHz的频率上时,天线长度约为0.023λ。采用圆形阵列组阵形式,综合考虑测向精度以及阵列尺寸等因素,确定了天线单元的摆放位置,并对核心测向算法进行分析。然后用MATLAB进行仿真模拟,对比了几种相关性算法的差异、讨论了组阵半径对结果的影响,随后确定阵列半径并选定其中最适合的算法进行后续工作。完成了阵列的加工并进行了测试,与接收机共同组装成测向系统并进行了联调。然后建立了实测样本库,基于实测样本库进行多次测向验证,并对结果进行分析、找出问题。经过改进,测试结果表现良好,实现测向功能。随后针对高频部分测向精度偏低的问题,提出一种提高高频测向精度的方案。在原阵列基础上引入一个小天线阵,用于高频频段,小阵列单元采用单极子开槽的形式,仿真结果表明小阵列的引入可以改善高频端的测向精度。并提出两种提高相位差求解精度的算法,一种是基于IQ信号的算法,另一种是基于FFT的算法。最后,为了适用于快速测向场景,还提出了一种有效缩短测向时间的快速算法。这些算法均使用MATLAB进行仿真验证,表现良好。
郭永安[5]（2018）在《面向复杂业务的网络虚拟化关键技术研究》文中研究表明近年来,随着物联网和人工智能等快速发展,具有多样化、差异化等新特征的复杂网络应用和业务需求不断涌现,而现有网络的能力和效率难以满足上述新需求。如何解决能力和效率受限的各种体系的网络与复杂多样的业务需求之间的矛盾,是目前通信网络领域的关键科学问题之一。近年来网络虚拟化成为解决上述科学问题的有效途径和方法,受到了学术界和产业界的普遍关注。网络虚拟化按照应用和业务需求,利用各种制式的物理网络（又称为底层网络SN:Substrate Network）创建虚拟网络（VN:Virtual Network）,虚拟网络可以运行各种制式的网络协议。网络虚拟化在不改变底层网络架构的情况下可实现灵活多样化的网络业务;同时通过共享多个底层网络极大地提高了网络资源利用率。网络虚拟化已成为构建未来网络的关键技术途径之一。在网络虚拟化中,多个虚拟网络共享底层网络的节点和链路等资源,而每个虚拟网络具有特定的计算、存储和带宽等资源要求,因此在满足不同虚拟网络资源要求的前提下,如何将虚拟网络映射到底层网络中从而实现底层网络资源利用率的最优化,成为网络虚拟化获得成功应用的关键问题之一。把虚拟网络请求映射到底层网络称为虚拟网络映射（VNE:Virtual Network Embedding）。VNE决定了底层物理网络的资源利用率,具有重要的现实意义。VNE求解非常复杂,已有研究表明VNE为NP难问题,无法在多项式时间内求解。因此,VNE是面向复杂业务的网络虚拟化关键技术和研究热点。论文对虚拟网络映射算法进行了深入研究,提出了基于节点重要度的虚拟网络映射算法、基于线性规划方法的虚拟网络映射算法、基于候选节点路径辅助的虚拟网络映射算法等新方法,所提出的新算法与VNE领域的代表性算法相比,性能有较大幅度提高。具体内容包括:1、针对只考虑了网络的单个拓扑属性和局部节点的资源的映射算法,提出了基于节点重要度排序的虚拟网络映射算法。该算法是一种新型的协同两步（节点-链路）映射算法。已有算法只考虑链路的带宽资源,本文所提出的算法同时考虑节点的重要度和链路的传输时延属性。本文算法在映射之前采用迭代的方法计算出每个物理节点的节点重要度因子,并考虑每个节点的资源属性和拓扑属性,有效地提高了节点映射效率。此外在节点重要度定义中考虑了链路传输时延属性,这进一步提高了节点映射效率。该算法基于迭代的方法精确求得每个节点的重要度因子并进行排序,然后采用贪婪算法和最短路径算法分别完成节点映射和链路映射,约束条件包括节点的位置需求、节点能力、链路容量和链路传播时延。分析和仿真结果表明新算法在保证接收率和收益成本比的情况下,能够有效降低网络链路的平均时延。2、针对启发式算法只能求出局部可行虚拟网络映射方案的缺点,提出了基于线性规划方法的虚拟网络映射算法。与一般启发式算法不同,该算法采用整数线性规划方法来解决VNE问题。通过考虑链路时延属性和节点的位置需求,构建了基于链路对路径和基于整数线性规划的数学模型,设置合理的目标函数和约束条件,并提前给定合理的收敛精度和阈值,最终实现最优或局部最优的虚拟网络映射。与已有的同类优化算法相比,该算法不仅考虑最小化物理资源的使用和负载均衡,还同时考虑保证接收率的情况下尽可能地降低网络的链路平均时延。分析和仿真结果表明,所提出的基于整数线性规划方法的虚拟网络映射算法对于中小规模网络来说,接收率和收益成本比等性能指标优于两步映射算法。3、针对直接使用线性规划模型而导致映射算法极高的计算复杂度问题,提出了基于候选节点路径辅助的虚拟网络映射算法。该算法首先构建候选底层节点集和候选底层链路集,然后进行整数线性规划映射。同时,算法考虑了节点能力约束、节点位置约束、链路带宽约束和链接传播延迟约束等四种不同类型的节点和链路约束。该算法实现了对任何虚拟网络请求的最优映射。算法中构建了比全集小得多的候选底层节点和路径子集,因此有效降低了虚拟网络映射算法的计算复杂度。分析和仿真结果表明,该算法主要性能指标优于典型的启发式算法。
骆嘉琪[6]（2019）在《多类别旅客出行异质偏好下高铁民航竞合博弈机理研究》文中指出近年来,随着高铁快速发展,高铁民航竞争与合作也日趋激烈。分析高铁民航的竞合因素和竞合策略,对于降低高铁民航内耗、提升高铁民航服务水平和社会福利具有重大现实意义。围绕上述目的,本文基于多类别旅客出行异质偏好,采用问卷调查、评价决策、博弈论、仿真分析等方法,构建高铁民航竞合博弈模型,对高铁民航竞合机理和策略进行深入研究,提出了游客、公务商务和返工返学三类旅客的短、中和长出行距离上的高铁民航竞合策略。本文的主要工作和结论如下:（1）针对三类旅客类型,建立了包含6个准则层、30个指标的高铁民航竞合因素集合。通过考虑全年安全事故率、票价波动程度、区域人口总数等指标,从安全性、便捷性、经济性、舒适性、可靠性、外部因素等6个层面阐述影响旅客出行决策的影响因素;基于三类旅客视角出发,运用云模型测算每个指标的云模型与云权重,最终得出三类旅客视角下的整体民航与高铁行业的评价结果。实证结果表明:游客旅客较为重视旅途的便捷性和经济性,公务商务旅客更重视旅途的舒适性及可靠性,返工返学旅客比较重视经济性与安全性。综合三类旅客云权重来看,基于返工返学旅客和游客旅客视角的云模型在准则层的得分上高铁多数准则层优于民航,只有在公商务旅客视角下民航在安全性（0.823,0.111,0.018）,经济性（0.493,0.040,0.014）,舒适性（0.938,0.051,0.013）三个准则层得分优于高铁,公务商务旅客一般对出行成本不敏感,较为看重舒适性,所以在这三个准则层下高铁失去原有优势,但总体来说从三类旅客最终云模型可以看出高铁表现略胜于民航。（2）基于三类旅客视角刻画高铁民航出行选择行为偏好。以刻画高铁民航旅客出行选择行为作为出发点,提出高铁民航旅客出行选择行为细化维度偏好函数,运用非线性回归方法构建了选择行为偏好特性检验分析模型,对高铁民航旅客出行选择行为偏好进行确定,着重针对不同旅客出行目的,对出行选择行为偏好特性进行了深入分析,提出了基于三类旅客视角的高铁民航出行选择行为细化偏好框架,更细化地对游客、公务商务和返工返学这三类群体的实惠、准时、舒适、便捷和安全五大维度偏好进行分析,借鉴效用理论测度每个类型旅客出行方式所带来的满意程度,逐一构建了旅客出行选择行为效用偏好方程,进一步延伸深化了现有关于高铁民航旅客出行行为选择偏好理论模型框架。实证结果表明:三类旅客对高铁民航虽然偏好各异,但是对安全偏好都一致重视。游客非常重视实惠和便捷偏好,公务商务旅客则非常重视准时、舒适和便捷三个偏好,对于实惠则不是很敏感,返工返学,重视实惠偏好,但若选择民航出行,则对准时和便捷偏好也较重视。三类旅客对价格敏感,实际票价、预期价格与其实惠效用函数值成反比。在途时间和延误时间越长,给三类旅客带来的准时效用体验越差。在途时间越长,带来的不舒适感越差,导致其整体舒适体验效果越差,非在途时间成本会降低三类旅客便捷效用值。（3）构建了考虑多类别旅客出行偏好的高铁民航竞合博弈模型。通过考虑实惠、准时、舒适、便捷和安全这五个因素构建旅客出行效用函数,通过效用函数最大化原则求解高铁民航的竞合博弈区间;通过古诺博弈理论构建基于价格视角的高铁民航竞合关系模型;通过伯特兰德博弈理论构建基于距离视角的高铁民航竞合关系模型,探讨高铁与民航在不同策略下的竞合状态。实证结果表明:游客、公务商务和返工返学三类视角下,高铁民航的主要竞争区间分别处在500km-900km、300km-800km、600km-1 100km。游客和返工返学旅客对价格的敏感性更高,公务商务旅客对价格的敏感性较低。相较公务商务旅客的竞争区间,游客视角下高铁民航进入竞争区间的距离较长;而相对于返工返学旅客,游客视角下高铁民航进入竞争区间的距离较短。同时,三类旅客视角下虽然演化起点并不相同,但是最终的演化方向都是互相竞争,进入恶性竞争的循环。通过对高铁民航的博弈交付矩阵分析发现,其实双方如果都选择合作的话,合作合作的收益会大于选择竞争合作、合作竞争、竞争竞争的收益系数,说明可以让其从自由演化的恶性竞争循环,通过政策调节来转向到双方都能提高收益的良性竞争中。（4）提出了多类别旅客出行异质偏好下的高铁民航竞合策略。考虑游客、公务商务和返工返学三类旅客,分别提出了高铁民航竞合博弈细化策略:一是高铁民航竞争策略。高铁主要包括价格策略、服务策略、位置策略,民航主要包括价格策略、服务策略、航线策略。二是高铁民航合作策略,包括空铁联运策略、信息共享策略。三是进一步总结三类旅客的在不同距离上的竞合细化策略。深入结合三类旅客不同偏好特征需求,分析了游客、公务商务和返工返学三类旅客在短、中、长距离上的竞合细化策略,切实为指导高铁民航竞合博弈进入更高阶段提供决策参考。
倪翔[7]（2019）在《铁路旅客换乘方案优化研究》文中研究表明随着经济的发展和人民收入的增加,铁路旅客的出行需求逐渐加大,他们对铁路服务水平也提出了更高的要求,期望获得更加方便、快捷、舒适、经济、安全的运输服务。在旅客出行的过程中,不可能每次都能够乘坐直达列车出行,换乘行为是不可避免的。所以,为了给旅客提供相对合理的换乘方案,本文在前人的研究基础上结合相关运输组织优化理论,研究了旅客出行行为、构造了相关换乘网络、构建了相应数学模型,探讨了铁路旅客换乘方案优化问题。1.结合目前铁路状况阐述了本文的研究背景和研究意义,并从旅客出行行为、出行网络、模型及算法三个方面论述了国内外已有的研究成果。通过总结分析已有文献,得出现有研究成果的不足,并给出了本文的主要研究内容和技术路线。2.从客运站、线路和列车类型三个方面对现有铁路客运网络进行分析,并介绍了铁路旅客运输特点。通过划分不同旅客类型,对影响旅客出行的因素进行了归类,并根据调查问卷数据利用熵值法计算各影响因素的权重,为后续模型的权重赋值进行理论铺垫。3.将客运实际网络、旅客出行全乘车过程和换乘网络中各节点、弧段匹配。在构建网络的过程中,提出非基础站点动态化处理的方法,以求减少网络规模,提高后续求解效率。此外,将换乘网络所包含的信息转化为相应的邻接矩阵,为后续模型的求解、算法的实现奠定基础。4.以费用最少、出行时间最少、疲劳恢复时间最短为目标,以接续时间、座位余票率等为约束条件构建多目标规划模型。在描述换乘过程时引入换乘疲劳因子的概念以更好地进行换乘损失评价,并根据不同的旅客需求构建面向特殊需求旅客的换乘模型,最后用蚁群算法进行求解。5.以客运实际网络和列车时刻表为例,计算不同OD对之间的旅客换乘方案,验证模型的合理性和算法的可行性。6.总结论文的主要研究内容和研究成果,并指出需要进一步解决的问题。
张文婷,王建军,李维佳[8]（2018）在《基于路径选择的高速公路事故影响范围分析》文中指出为了在高速公路事故发生后给驾驶人提供及时有效的信息,将事故影响程度和损失降到最小,对高速公路交通事故在无外界干预情况下的影响范围进行了分析研究。首先对Logit路径选择模型和BRT阻抗函数进行改进,同时考虑收费站对路阻函数的影响,采用改进模型对事故点上游的车辆路径重新分配进行研究,用容量限制-多路径交通分配方法对局部路网进行交通流重分配,得到事故条件下各路段流量,并将交通影响评价中判定新建项目区域交通影响大小的方法的思想应用到事故影响范围确定上,给出高速公路交通事故影响范围的思路,根据路段服务水平变化情况,对事故影响范围进行确定。最后以给定网络为依据,对事故发生后路网上出行者的路径选择及事故影响范围进行例证分析。研究结果表明:高速公路上事故的发生会导致临近路网的饱和度上升,但事故对不同路段的影响程度不同,在路径选择基础上,结合路网通行能力,服务水平等数据;根据算例分析可知,该模型可用于事故影响范围的准确告知,且符合实际道路环境情况,根据影响程度分级对高速公路采取合理的管制措施,有利于有效疏散交通,降低事故影响。
马维馨[9]（2018）在《基于介数中心性熵最大化的城市路网均衡结构辨识算法》文中进行了进一步梳理交通拥堵是各大城市普遍存在的问题,造成交通拥堵的主要原因之一是交通流空间分布的不均衡。如何通过历史交通流数据对城市交通网络的均衡结构进行评价,并利用现有的数据优化网络使其更均衡已成为交通管控的研究热点。现有方法可分为平衡算法与非平衡算法,平衡算法计算量较大,但精度高,实现难度大。而非平衡算法精度低,且多为微观层面,不适用于大规模网络结构。因此本文提出一种介数中心性熵最大化的交通网络均衡结构辨识算法,利用介数中心性熵来评价交通网络的均衡状态,通过修正边权后介数中心性熵值最大化,提升路网结构的均衡性,该方法不受方向、新增路线及路网规模的影响,克服了现有方法的局限性。主要研究工作如下:（1）根据网络特征提出了介数中心性熵,通过具体的数学证明了网络均衡与介数中心性熵的关系。利用介数中心性熵对计算机网络中的中心性熵最大化（Centrality Entropy Maximization,CEM）算法进行改进,提出了介数熵最大化（Betweenness Entropy Maximization,BEM）算法与快速介数熵最大化（Express Betweenness Entropy Maximization,EBEM）算法。（2）以厦门市路网数据为基础进行仿真验证,先对网络的基础数据进行统计特性分析,然后分析路网中的度、介数、亲密度、介数中心性熵等参数在优化过程中的变化规律用以证明算法的有效性,对比了 CEM、BEM和EBEM三种优化算法。实验结果表明CEM、BEM和EBEM三种优化算法均可使网络更均衡,改进后的BEM算法与EBEM算法在收敛速度与震荡幅度上明显小于CEM算法,EBEM算法的效果最优。提出的介数中心性熵最大化网络均衡算法在交通应用中具有更好的优化效果,指出了具体的需要重点协调的关键性路口或路段,可为交通管控及诱导系统提供支撑。
钟滢斌[10]（2018）在《轨道交通客流分配Logit模型研究》文中研究表明改革开放以来,我国城市化进程进一步加快,城市居民小汽车保有量不断攀升,这给城市居民们带来了很多困扰,如空气质量下降、出行不畅、城市道路交通拥堵愈演愈烈等。于是,政府及其主管部门开始向具有运量大、运行准时、运行速度快、安全系数高及对外界干扰较小等优点的轨道交通寻求帮助。近些年来,国内大中城市相继开通轨道交通建设;并随着“交通强国”战略的实施,这一势头越发明显,城市轨道交通正朝着“网络化”方向发展。轨道交通的网络化特征,使得轨道交通出行者在出行过程中,有了更多的选择;这一现象使得轨道交通线路断面客流时空分布特性及出行者出行路径决策行为发生了改变,另一方面,这也给轨道交通运营管理部门的日常管理带来了困难。基于上述背景,特进行了轨道交通线路“网络化”条件下,出行者的决策行为机理及断面流量分布研究。本文沿着理论与实际两个方向入手,首先对轨道交通客流特征进行了重点把握;提出了基于轨道交通IC卡刷卡数据的站点OD获取方法;其次从实际调查入手,通过对调查数据分析整理,得出了轨道交通出行者在出行过程中比较看重“换乘次数少”、“总出行时间少”及“不拥挤”的路线;出行者在出行过程中对出行总距离的敏感度更高。结合理论与实际两方面的研究结果,本文提出了改进的换乘次数影响量化的方法,并在此基础上提出了考虑换乘次数影响的轨道交通出行者广义费用函数。最后以传统Logit模型为原型,结合考虑换乘次数影响的广义费用函数,构建了适应于轨道交通网络的客流分配Logit模型。通过对武汉市轨道交通客流进行分配,对模型进行了验证,证明了模型的有效性。通过对轨道交通客流分配Logit模型的研究,一方面为轨道交通运营管理部门的营运提供了一定的建议,另一方面也为规划工作者及相关政府部门的规划方案提供了一定的参考。
二、改进的Logit随机路径选择模型及其算法实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、改进的Logit随机路径选择模型及其算法实现（论文提纲范文）
（2）改进的小波提升算法及其在地质雷达信号精细化分析中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 前言 |
| 1.2 国内外研究现状与进展 |
| 1.2.1 隧道衬砌结构隐伏质量缺陷检测方法研究 |
| 1.2.2 地质雷达图像强干扰信号去除方法研究 |
| 1.2.3 地质雷达隐伏质量缺陷偏移处理研究 |
| 1.2.4 小波基函数构造研究 |
| 1.2.5 地质雷达信号定量分析研究 |
| 1.3 本研究课题的来源及主要研究内容 |
| 1.4 本文研究采取的技术路线 |
| 第二章 提升格式小波构造理论 |
| 2.1 前言 |
| 2.2 双正交小波分析基本原理与算法 |
| 2.2.1 小波分析原理 |
| 2.2.2 多分辨率分析 |
| 2.2.3 双正交小波性质及其传统构造方法 |
| 2.3 提升格式小波变换 |
| 2.3.1 小波提升方案基本概念 |
| 2.3.2 完全重构滤波器原理 |
| 2.3.3 小波提升分解方法 |
| 2.4 提升格式小波构造一般算法 |
| 2.5 本章小结 |
| 第三章 改进的提升格式小波构造理论及其算法实现 |
| 3.1 前言 |
| 3.2 改进的提升格式小波构造算法 |
| 3.3 改进的提升格式小波构造流程及其构造举例 |
| 3.3.1 提升格式小波构造流程 |
| 3.3.2 小波基构造举例 |
| 3.4 改进提升格式的GPR信号分析用小波基构造及其优势验证 |
| 3.4.1 GPR信号分析用双正交小波滤波器组构造 |
| 3.4.2 基于粒子群算法的滤波器组自由参数优化 |
| 3.4.3 小波正则性验算 |
| 3.5 本章小结 |
| 第四章 基于二维小波变换和小波熵的地质雷达强干扰信号处理 |
| 4.1 前言 |
| 4.2 图像二维小波变换及其mallat算法 |
| 4.2.1 图像二维小波变换理论 |
| 4.2.2 二维双正交小波变换mallat算法 |
| 4.3 小波熵理论 |
| 4.4 小波基的选取 |
| 4.4.1 小波基基本性质比较 |
| 4.4.2 小波能量熵的计算 |
| 4.5 正演信号分析 |
| 4.5.1 FDTD正演原理 |
| 4.5.2 钢筋-空洞模型与正演试验 |
| 4.5.3 基于二维小波变换与小波熵的强反射干扰去除 |
| 4.6 实测地质雷达信号强干扰去除分析 |
| 4.6.1 钢筋-空洞检测试验 |
| 4.6.2 基于二维小波变换与小波熵的强反射干扰去除 |
| 4.7 本章小结 |
| 第五章 基于UWFK法的地质雷达目标信号偏移处理 |
| 5.1 前言 |
| 5.2 F-K域偏移方法 |
| 5.3 非抽样小波变换原理 |
| 5.3.1 一维非抽样小波变换 |
| 5.3.2 二维非抽样小波变换 |
| 5.4 图像信息熵估计 |
| 5.5 二维非抽样小波F-K偏移法基本流程 |
| 5.6 正演模拟信号偏移处理 |
| 5.7 实测信号偏移处理 |
| 5.7.1 方形空洞偏移处理 |
| 5.7.2 角形空洞偏移处理 |
| 5.8 本章小结 |
| 第六章 提升格式小波在地质雷达信号定量分析中的应用 |
| 6.1 前言 |
| 6.2 基于小波分析的信号奇异点识别方法 |
| 6.2.1 小波变换模极大值法 |
| 6.2.2 小波变换时-能密度法 |
| 6.3 模拟信号定量分析 |
| 6.3.1 地质雷达多频率脉冲信号间隔时间识别分析 |
| 6.3.2 正演模拟试验及其信号分析 |
| 6.4 空洞探测试验及其信号分析 |
| 6.4.1 沙箱纵向测线定量分析结果 |
| 6.4.2 沙箱横向测线定量分析结果 |
| 6.5 空洞三维可视化分析 |
| 6.6 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（3）同站进出视角下的北京城市轨道交通乘客出行特征及异常行为研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 乘车数据管理 |
| 1.1.2 同站进出行为 |
| 1.2 研究问题 |
| 1.3 研究内容 |
| 1.4 研究技术路线 |
| 1.5 研究创新点 |
| 2 文献综述与相关理论基础 |
| 2.1 北京轨道交通乘客票价与安全 |
| 2.1.1 北京轨道交通票价制定方法 |
| 2.1.2 北京轨道交通票价与安全问题 |
| 2.2 轨道交通乘客行为特征分析 |
| 2.2.1 正常行为 |
| 2.2.2 异常行为 |
| 2.3 轨道交通智能卡大数据分析 |
| 2.3.1 智能卡与大数据相关研究 |
| 2.3.2 基于智能卡的客户行为特征研究 |
| 2.3.3 基于智能卡大数据的乘客需求预测 |
| 3 轨道交通乘客异常行为识别系统研究 |
| 3.1 异常识别定义 |
| 3.2 同站进出行为 |
| 3.3 同站进出的轨道交通乘客异常行为识别系统 |
| 3.3.1 数据清理子系统 |
| 3.3.2 维度分析子系统 |
| 3.3.3 聚类分析子系统 |
| 3.3.4 乘车行为分析子系统 |
| 3.4 本章小结 |
| 4 轨道交通乘客OD数据处理 |
| 4.1 数据样本 |
| 4.2 数据整理 |
| 4.4 算法过程 |
| 4.5 本章小结 |
| 5 轨道交通同站进出数据分桶分析 |
| 5.1 分析维度 |
| 5.2 车站级分析 |
| 5.3 线路级分析 |
| 5.4 时间级分析 |
| 5.5 乘客级分析 |
| 5.6 本章小结 |
| 6 轨道交通数据密集型问题的处理方法 |
| 6.1 问题分析 |
| 6.2 基于密度的聚类算法 |
| 6.2.1 基本算法 |
| 6.2.2 基于密度的聚类 |
| 6.3 算法在Map Reduce上的实现 |
| 6.3.1 k-means算法实现 |
| 6.3.2 DBSCAN算法在Map Reduce上的实现 |
| 6.4 改进算法及实现 |
| 6.4.1 局部聚类 |
| 6.4.2 算法IDBDC在Map Reduce上的实现 |
| 6.5 实验结果分析 |
| 6.6 本章小结 |
| 7 轨道交通乘客同站进出行为画像分析 |
| 7.1 乘客密集追踪分析 |
| 7.2 乘客密集聚类分析 |
| 7.3 乘客行为的社会分析 |
| 7.4 乘客异常行为画像分析 |
| 7.4.1 “疑似偷盗”行为 |
| 7.4.2 “疑似乞讨卖艺”行为 |
| 7.4.3 “疑似发小广告”行为 |
| 7.5 本章小结 |
| 8 轨道交通乘客同站进出行为验证与预测 |
| 8.1 基于投诉数据的轨道交通异常行为识别 |
| 8.1.1 异常记录投诉数据描述 |
| 8.1.2 投诉数据的NLP算法处理 |
| 8.1.3 异常行为偏好分析 |
| 8.2 同站进出的轨道交通乘客异常行为验证 |
| 8.2.1 同站进出的识别模型 |
| 8.2.2 同站进出的模型验证 |
| 8.3 同站进出的异常行为预测 |
| 8.3.1 训练集构建 |
| 8.3.2 模型验证 |
| 8.4 本章小结 |
| 9 研究总结展望与政策建议 |
| 9.1 研究总结与展望 |
| 9.2 研究政策建议 |
| 参考文献 |
| 附录 A |
| 表索引 |
| 图索引 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）宽带测向天线阵列及其算法实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 超宽带天线的历史发展及国内外研究现状 |
| 1.2.2 无线电测向的发展及体制概述 |
| 1.3 本文主要研究内容 |
| 第二章 加载超宽带天线的研究与设计 |
| 2.1 天线主要性能参数 |
| 2.2 加载天线的基本理论 |
| 2.3 偶极子超宽带加载天线的设计及分析 |
| 2.3.1 偶极子加载超宽带天线的设计 |
| 2.3.2 偶极子加载超宽带天线的仿真结果及分析 |
| 2.4 单极子超宽带加载天线的设计及分析 |
| 2.4.1 单极子加载超宽带天线的设计 |
| 2.4.2 单极子加载超宽带天线的仿真结果及分析 |
| 2.5 本章小结 |
| 第三章 相关干涉仪测向算法及仿真实现 |
| 3.1 相关干涉仪算法原理 |
| 3.1.1 单通道相关干涉仪算法原理 |
| 3.1.2 双通道相关干涉仪算法原理 |
| 3.2 测向核心算法 |
| 3.2.1 双通道相关干涉仪获取相位差的算法 |
| 3.2.2 获取相关性系数的算法 |
| 3.3 模拟样本库的建立及仿真验证 |
| 3.3.1 模拟样本库的建立 |
| 3.3.2 仿真结果及分析 |
| 3.4 本章小结 |
| 第四章 测向系统实物搭建及实测分析 |
| 4.1 测向系统的实物搭建 |
| 4.1.1 天线保护罩及承重结构 |
| 4.1.2 天线安装及开关走线 |
| 4.1.3 接收机及其软件界面 |
| 4.2 初次试建样本库及其测试结果 |
| 4.2.1 初次试建样本库 |
| 4.2.2 测向及结果分析 |
| 4.3 改进样本库及测试结果 |
| 4.3.1 搭建改进的样本库 |
| 4.3.2 测向及结果分析 |
| 4.4 本章小结 |
| 第五章 天线与算法的改进 |
| 5.1 小型超宽带天线 |
| 5.1.1 小型超宽带天线的设计 |
| 5.1.2 小型超宽带天线的仿真及结果分析 |
| 5.2 获取相位差算法的改进方案 |
| 5.2.1 基于IQ信号获取相位差的原理及仿真验证 |
| 5.2.2 基于FFT算法获取相位差的原理及验证 |
| 5.3 相关干涉仪算法的快速实现方法 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（5）面向复杂业务的网络虚拟化关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究内容 |
| 1.2.1 课题研究来源 |
| 1.2.2 研究内容 |
| 1.2.3 论文的组织结构 |
| 第二章 网络虚拟化及虚拟网络映射算法 |
| 2.1 网络虚拟化概述 |
| 2.1.1 网络虚拟化的业务角色 |
| 2.1.2 虚拟网络资源管理模型 |
| 2.1.3 网络虚拟化的特点 |
| 2.1.4 网络虚拟化与SDN/NFV |
| 2.1.5 网络虚拟化的关键研究问题 |
| 2.2 虚拟网络映射问题 |
| 2.2.1 虚拟网络映射问题建模 |
| 2.2.2 虚拟网络映射性能评价标准 |
| 2.2.3 虚拟网络映射算法研究现状 |
| 2.3 本章小结 |
| 第三章 基于节点重要度排序的虚拟网络映射算法与分析 |
| 3.1 引言 |
| 3.2 算法思想 |
| 3.3 优化模型及其算法实现 |
| 3.3.1 NR-VNE算法 |
| 3.3.2 映射过程描述 |
| 3.4 仿真与性能分析 |
| 3.4.1 仿真环境与参数设置 |
| 3.4.2 对比算法及性能指标 |
| 3.4.3 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 基于线性规划方法的虚拟网络映射算法与分析 |
| 4.1 引言 |
| 4.2 算法思想 |
| 4.3 优化模型及其算法实现 |
| 4.3.1 变量及相关参数的定义 |
| 4.3.2 目标函数 |
| 4.3.3 约束条件 |
| 4.4 仿真与性能分析 |
| 4.4.1 实验环境与参数设置 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 基于候选节点路径辅助的虚拟网络映射算法与分析 |
| 5.1 引言 |
| 5.2 算法思想 |
| 5.2.1 网络资源的测量 |
| 5.2.2 映射过程描述 |
| 5.3 优化模型及其算法实现 |
| 5.3.1 候选子集构造 |
| 5.3.2 约束条件 |
| 5.3.3 目标函数 |
| 5.3.4 VNE-CNPA算法流程图 |
| 5.4 仿真与性能分析 |
| 5.4.1 仿真环境和参数设置 |
| 5.4.2 对比算法与性能指标 |
| 5.4.3 第一部分实验结果与分析 |
| 5.4.4 第二部分实验结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 附录1 攻读博士学位期间撰写的论文 |
| 附录2 攻读博士学位期间申请的专利 |
| 附录3 攻读博士学位期间参加的科研项目 |
| 致谢 |
（6）多类别旅客出行异质偏好下高铁民航竞合博弈机理研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.1.3 研究意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.2.3 拟解决关键问题 |
| 1.2.4 技术路线 |
| 2 理论基础和文献综述 |
| 2.1 理论基础 |
| 2.1.1 出行方式选择理论 |
| 2.1.2 博弈论 |
| 2.2 国内外相关工作研究进展 |
| 2.2.1 旅客出行影响因素的研究现状 |
| 2.2.2 旅客出行方式选择的研究现状 |
| 2.2.3 高铁民航竞合博弈研究现状 |
| 2.3 现有研究存在的主要问题 |
| 3 基于旅客出行视角的高铁民航竞合因素分析 |
| 3.1 基于旅客出行视角的高铁民航竞合因素分析基本思路 |
| 3.2 高铁民航竞合影响因素评价体系构建 |
| 3.2.1 旅客属性差异 |
| 3.2.2 交通方式差异 |
| 3.2.3 区域外部环境差异 |
| 3.2.4 影响因素评价体系构建 |
| 3.3 基于云模型的高铁民航竞合评价模型建立 |
| 3.3.1 云模型理论基础 |
| 3.3.2 云模型适用性分析 |
| 3.3.3 基于云模型的高铁民航竞合评价模型 |
| 3.4 实证分析 |
| 3.4.1 竞合因素云权重的确定 |
| 3.4.2 竞合因素云模型的确定 |
| 3.5 结果分析 |
| 3.5.1 主要结论 |
| 3.5.2 结果解释 |
| 3.6 本章小结 |
| 4 多类别旅客出行选择行为偏好特性研究 |
| 4.1 高铁民航旅客出行行为偏好测定基本思路 |
| 4.2 高铁民航旅客出行选择行为偏好设计和估计模型 |
| 4.2.1 高铁民航旅客出行行为偏好量化效用函数 |
| 4.2.2 出行行为选择偏好参数估计模型 |
| 4.3 高铁民航旅客出行选择行为偏好调查 |
| 4.3.1 问卷设计 |
| 4.3.2 调查结果分析 |
| 4.4 高铁民航旅客出行选择行为偏好数据分析 |
| 4.4.1 高铁旅客出行选择行为偏好测算 |
| 4.4.2 民航旅客出行选择行为偏好测算 |
| 4.5 结果讨论 |
| 4.5.1 游客旅客高铁民航行为偏好对比 |
| 4.5.2 公务商务旅客高铁民航行为偏好对比 |
| 4.5.3 返工返学旅客高铁民航行为偏好对比 |
| 4.6 本章小结 |
| 5 考虑多类别旅客出行偏好的高铁民航竞合博弈研究 |
| 5.1 高铁民航竞合主要思路 |
| 5.2 基于两阶段的高铁民航博弈模型构建 |
| 5.2.1 高铁民航竞合博弈模型构建的假设条件 |
| 5.2.2 第一阶段的高铁民航竞合博弈模型构建 |
| 5.2.3 第二阶段的高铁民航竞合博弈模型构建 |
| 5.3 博弈过程仿真及结果分析 |
| 5.3.1 主要参数确定 |
| 5.3.2 游客旅客视角下的结果分析 |
| 5.3.3 公务商务旅客视角下的结果分析 |
| 5.3.4 返工返学旅客视角下的结果分析 |
| 5.4 本章小结 |
| 6 多类别旅客出行异质偏好下的高铁民航竞合博弈策略分析 |
| 6.1 高铁民航长远竞合平衡宏观策略 |
| 6.2 多类别旅客出行异质偏好下的高铁民航竞合微观策略 |
| 6.2.1 高铁民航竞争策略 |
| 6.2.2 高铁民航合作策略 |
| 6.3 多类别旅客出行异质偏好下的高铁民航竞合细化策略 |
| 6.3.1 游客旅客竞合策略 |
| 6.3.2 公务商务旅客竞合策略 |
| 6.3.3 返工返学旅客竞合策略 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 主要结论 |
| 7.2 研究展望 |
| 参考文献 |
| 附录A 高铁民航影响因素打分表 |
| 附录B 高铁民航出行调查问卷 |
| 致谢 |
| 作者简历及攻读博士学位期间的科研成果 |
（7）铁路旅客换乘方案优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 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 旅客出行行为研究现状 |
| 1.2.2 出行网络研究现状 |
| 1.2.3 模型及算法研究现状 |
| 1.2.4 研究现状总结 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 铁路旅客出行选择行为分析 |
| 2.1 铁路旅客运输特征概述 |
| 2.1.1 客运站、线路及列车类型划分 |
| 2.1.2 铁路旅客运输特点 |
| 2.2 铁路旅客出行选择影响因素 |
| 2.2.1 旅客类型的划分 |
| 2.2.2 旅客出行选择影响因素分类 |
| 2.3 铁路旅客出行选择影响因素权重的确定方法 |
| 2.4 本章小结 |
| 3 换乘网络的构建 |
| 3.1 网络分析 |
| 3.1.1 复杂网络简述 |
| 3.1.2 铁路网络分析及处理方法 |
| 3.1.2.1 铁路网络分析 |
| 3.1.2.2 铁路网络处理方法 |
| 3.2 换乘网络构建 |
| 3.2.1 换乘网络概述 |
| 3.2.2 换乘网络构建方法 |
| 3.2.3 换乘网络构建示例 |
| 3.2.4 换乘网络特征描述 |
| 3.3 换乘网络信息描述 |
| 3.4 本章小结 |
| 4 换乘方案优化模型建立与求解 |
| 4.1 换乘方案优化原则 |
| 4.2 综合换乘方案优化模型建立 |
| 4.2.1 相关前提条件假设 |
| 4.2.2 换乘网络的数学表示形式 |
| 4.2.3 目标函数确定 |
| 4.2.4 约束条件确定 |
| 4.3 面向多种旅客需求的换乘方案优化模型建立 |
| 4.3.1 旅行时间最少换乘模型 |
| 4.3.2 旅行费用最少换乘模型 |
| 4.3.3 有乘车时间限制的模型 |
| 4.3.4 有指定换乘站要求的换乘模型 |
| 4.4 模型求解 |
| 4.4.1 路径搜索算法概述 |
| 4.4.2 蚁群算法基本理论 |
| 4.4.2.1 蚁群算法基本思想 |
| 4.4.2.3 蚁群算法参数的取值 |
| 4.4.2.4 蚁群算法的特点 |
| 4.4.3 换乘方案计算 |
| 4.4.3.1 算法设计思路 |
| 4.4.3.2 算法步骤 |
| 4.5 本章小结 |
| 5 算例分析 |
| 5.1 背景资料 |
| 5.2 换乘网络相关参数及相应邻接矩阵的建立 |
| 5.2.1 换乘网络相关参数标定 |
| 5.2.2 换乘网络对应的邻接矩阵 |
| 5.3 旅客换乘方案求解 |
| 5.3.1 模型相关参数的确定 |
| 5.3.2 旅客换乘方案求解 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 列车基本情况表 |
| 附录2 旅客列车到发时间换算表 |
| 附录3 换乘网络节点表和相关邻接矩阵 |
（8）基于路径选择的高速公路事故影响范围分析（论文提纲范文）
| 0 引言 |
| 1 事故持续时间内车辆路径选择模型 |
| 1.1 路径选择起终点的确定 |
| 1.2 路径选择模型的确定 |
| 1.3 模型求解算法 |
| 2 交通阻抗函数改进模型 |
| 2.1 美国联邦公路局阻抗函数 |
| 2.2 车速-流量实用型模型 |
| 2.3 本文模型 |
| 3 交通事故间接影响范围的确定 |
| 4 实例验证 |
| 4.1 数据调查 |
| 4.2 高速公路事故影响范围确定 |
| 5 结语 |
（9）基于介数中心性熵最大化的城市路网均衡结构辨识算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 均衡模型 |
| 1.2.2 介数及网络熵 |
| 1.3 研究内容 |
| 1.4 小结 |
| 第二章 介数中心性熵 |
| 2.1 最短路径的计算 |
| 2.2 中心性度量 |
| 2.3 熵 |
| 2.3.1 信息熵 |
| 2.3.2 最大熵原理 |
| 2.4 介数中心性熵 |
| 第三章 介数中心性熵最大化方法 |
| 3.1 BRAESS悖论 |
| 3.2 网络均衡 |
| 3.3 介数熵与网络平衡的关系 |
| 3.4 介数中心性熵最大化方法 |
| 第四章 实验及结果分析 |
| 4.1 厦门路网结构及建模 |
| 4.1.1 厦门市交通基本情况 |
| 4.1.2 厦门市道路交通网络建模 |
| 4.1.3 厦门市原始路网数据分析 |
| 4.2 算法的有效性证明 |
| 4.2.1 网络介数分布变化 |
| 4.2.2 平均度与平均亲密度变化 |
| 4.2.3 网络中心性随熵变化 |
| 4.3 网络均衡辨识结果 |
| 4.3.1 CEM辨识效果 |
| 4.3.2 高峰时段辨识效果 |
| 4.3.3 三种算法对网络均衡性辨识的对比 |
| 4.4 在交通管控中的应用 |
| 第五章 总结与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（10）轨道交通客流分配Logit模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.4 研究思路与内容 |
| 2 轨道交通客流时空分布特征分析 |
| 2.1 轨道交通客流时间分布特征分析 |
| 2.2 轨道交通客流空间分布特征分析 |
| 2.3 本章小结 |
| 3 基于IC卡刷卡记录的站点间OD获取 |
| 3.1 IC卡数据准备 |
| 3.2 IC卡数据匹配 |
| 3.3 IC卡数据处理 |
| 3.4 客流OD矩阵生成 |
| 3.5 本章小结 |
| 4 轨道交通广义费用函数 |
| 4.1 轨道交通出行者出行路径选择影响因素 |
| 4.2 轨道交通出行者广义费用函数 |
| 4.3 考虑换乘次数影响的轨道交通出行者广义费用函数 |
| 4.4 本章小结 |
| 5 轨道交通客流分配LOGIT模型 |
| 5.1 传统LOGIT模型介绍 |
| 5.2 轨道交通客流分配LOGIT模型思路 |
| 5.3 轨道交通客流分配LOGIT模型构建 |
| 5.4 轨道交通客流分配LOGIT模型精度分析 |
| 5.5 本章小结 |
| 6 实例分析 |
| 6.1 武汉市轨道交通概况 |
| 6.2 武汉市轨道交通客流分配LOGIT模型 |
| 6.3 本章小结 |
| 7 结论及展望 |
| 7.1 论文主要工作与结论 |
| 7.2 论文创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录一 |
| 附录二 |
四、改进的Logit随机路径选择模型及其算法实现（论文参考文献）
- [1]基于拓扑感知的车辆跟驰及换道规划研究[D]. 王猛. 南京邮电大学, 2021
- [2]改进的小波提升算法及其在地质雷达信号精细化分析中的应用[D]. 张亮. 长沙理工大学, 2020
- [3]同站进出视角下的北京城市轨道交通乘客出行特征及异常行为研究[D]. 刘忠良. 北京交通大学, 2020(03)
- [4]宽带测向天线阵列及其算法实现[D]. 刘楚天. 南京航空航天大学, 2020(07)
- [5]面向复杂业务的网络虚拟化关键技术研究[D]. 郭永安. 南京邮电大学, 2018
- [6]多类别旅客出行异质偏好下高铁民航竞合博弈机理研究[D]. 骆嘉琪. 大连海事大学, 2019(06)
- [7]铁路旅客换乘方案优化研究[D]. 倪翔. 兰州交通大学, 2019(03)
- [8]基于路径选择的高速公路事故影响范围分析[J]. 张文婷,王建军,李维佳. 长安大学学报(自然科学版), 2018(04)
- [9]基于介数中心性熵最大化的城市路网均衡结构辨识算法[D]. 马维馨. 北方工业大学, 2018(11)
- [10]轨道交通客流分配Logit模型研究[D]. 钟滢斌. 华中科技大学, 2018(06)