城市軌道交通智能化運(yùn)營管理研究

前言
第1章 城市軌道交通運(yùn)營管理
1.1 城市軌道交通建設(shè)和運(yùn)營管理概述
1.1.1 我國城市軌道交通建設(shè)概況
1.1.2 城市軌道交通運(yùn)營特點分析
1.1.3 我國城市軌道交通運(yùn)營存在的問題和困難
1.2 城市軌道交通運(yùn)營管理的智能化
1.2.1 城市軌道交通運(yùn)營智能化對管理的需求
1.2.2 城市軌道交通運(yùn)營管理智能化技術(shù)
本章小結(jié)
第2章 城市軌道交通運(yùn)營管理信息集成平臺研究
2.1 信息集成平臺的相關(guān)實現(xiàn)技術(shù)
2.1.1 XML技術(shù)
2.1.2 SOA技術(shù)
2.1.3 Web服務(wù)技術(shù)
2.2 城市軌道交通信息集成平臺設(shè)計
2.2.1 城市軌道交通信息集成平臺總體設(shè)計思想
2.2.2 城市軌道交通信息集成應(yīng)用架構(gòu)和邏輯架構(gòu)
本章小結(jié)
第3章 城市軌道交通數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究
3.1 城市軌道交通數(shù)據(jù)挖掘分析
3.1.1 城市軌道交通數(shù)據(jù)挖掘的特點
3.1.2 基于粗糙集論域擴(kuò)展理論的數(shù)據(jù)挖掘研究現(xiàn)狀
3.2 雙論域粗糙集理論
3.2.1 雙論域粗糙集近似算子
3.2.2 雙論域粗糙集的性質(zhì)
3.2.3 雙論域粗糙集的屬性約簡
3.2.4 雙論域粗糙集的不確定性度量
3.3 基于雙論域粗糙集的城軌數(shù)據(jù)挖掘模型
3.3.1 基于雙論域粗糙集的城軌數(shù)據(jù)挖掘步驟
3.3.2 基于雙論域粗糙集數(shù)據(jù)挖掘模型的特點
本章小結(jié)
第4章 基于信息集成的城市軌道交通應(yīng)急管理研究
4.1 城市軌道交通突發(fā)事件應(yīng)急管理
4.1.1 城市軌道交通突發(fā)事件應(yīng)急管理研究綜述
4.1.2 城市軌道交通突發(fā)事件應(yīng)急管理的信息流
4.2 面向應(yīng)急管理的城軌交通信息集成及處理框架
4.2.1 數(shù)據(jù)集成模型
4.2.2 數(shù)據(jù)挖掘模型
4.2.3 應(yīng)急決策模型
4.3 城市軌道交通突發(fā)事件應(yīng)急救援
4.3.1 城市軌道交通突發(fā)事件的分類、分級
4.3.2 救援等級的響應(yīng)的動態(tài)模糊分級算法
4.4 案例研究
本章小結(jié)
第5章 城市軌道交通出行優(yōu)化研究
5.1 蟻群優(yōu)化算法
5.1.1 基本蟻群算法的機(jī)制原理
5.1.2 基本蟻群算法的系統(tǒng)學(xué)特征
5.2 蟻群算法的各類改進(jìn)算法
5.2.1 群體空間上的進(jìn)化：蟻群系統(tǒng)
5.2.2 蟻群算法的改進(jìn)模型
5.3 上海市軌道交通路徑優(yōu)化系統(tǒng)仿真
5.3.1 上海軌道交通狀況簡單分析
5.3.2 上海軌道交通出行優(yōu)化系統(tǒng)的設(shè)計與實現(xiàn)
5.3.3 系統(tǒng)開發(fā)平臺簡介
本章小結(jié)
第6章 城市軌道交通客流預(yù)測問題研究
6.1 預(yù)測方法介紹
6.1.1 小波分析
6.1.2 AR模型的概念及思想
6.1.3 BP人工神經(jīng)網(wǎng)絡(luò)
6.1.4 灰色模型
6.1.5 預(yù)測方法的應(yīng)用
6.2 上海地鐵一號線莘莊地鐵站客流量預(yù)測
6.2.1 小波分析及AR模型建立
6.2.2 人工神經(jīng)網(wǎng)絡(luò)分析
6.2.3 灰色模型GM（1，1）預(yù)測
6.3 上海軌道交通9號線站點客流特征分析
6.3.1 客流的特征分析方法介紹
6.3.2 對于客流的相關(guān)數(shù)據(jù)分析
6.3.3 上海軌道交通9號線肇家浜路客流特征分析
本章小結(jié)
第7章 城市軌道交通客流清分問題研究
7.1 客流分配問題
7.2 城市軌道交通傳統(tǒng)清分方法
7.2.1 最短路清分
7.2.2 多路徑清分
7.3 城市軌道交通清分模型
7.3.1 路徑的隨機(jī)時間分布
7.3.2 清分比例劃分
7.3.3 密度函數(shù)
7.3.4 特殊情況
7.4 模擬驗證
本章小結(jié)
第8章 城市軌道交通運(yùn)營支撐系統(tǒng)運(yùn)行可靠性研究
8.1 信息系統(tǒng)運(yùn)行可靠性理論
8.1.1 信息系統(tǒng)運(yùn)行可靠性評估及預(yù)測
8.1.2 信息系統(tǒng)故障檢測技術(shù)
8.1.3 信息系統(tǒng)故障源分析技術(shù)
8.1.4 系統(tǒng)自修復(fù)技術(shù)
8.1.5 自治計算技術(shù)
8.2 基于IT審計的信息系統(tǒng)運(yùn)行可靠性評估及預(yù)測模型
8.2.1 審計證據(jù)獲取與定量轉(zhuǎn)換
8.2.2 IT審計的理論基礎(chǔ)
8.2.3 基于審計證據(jù)的系統(tǒng)可靠性評估
8.2.4 基于審計證據(jù)的系統(tǒng)可靠性預(yù)測模型
8.2.5 模型案例分析
8.3 模型的系統(tǒng)實現(xiàn)
8.3.1 數(shù)據(jù)庫設(shè)計
8.3.2 窗體應(yīng)用程序設(shè)計
8.4 系統(tǒng)運(yùn)行故障檢測和自修復(fù)的理論基礎(chǔ)
8.4.1 系統(tǒng)故障檢測的理論模型
8.4.2 系統(tǒng)故障分類
8.5 系統(tǒng)運(yùn)行故障自修復(fù)系統(tǒng)框架
8.5.1 應(yīng)用程序故障管理器模塊
8.5.2 組件故障管理器模塊
8.5.3 CFM和AFM中的故障分析
8.6 系統(tǒng)運(yùn)行故障自修復(fù)方法
8.6.1 基于規(guī)則異常的故障分析方法
8.6.2 系統(tǒng)組件操作的檢測和分析
8.6.3 系統(tǒng)運(yùn)行故障異常響應(yīng)算法
8.6.4 拜占庭式故障修復(fù)方法
本章小結(jié)
參考文獻(xiàn)