高速铁路成网条件下旅客出行行为分析方法及存储介质技术

本发明专利技术涉及一种高速铁路成网条件下旅客出行行为分析方法，包括：步骤1：获取地区经济数据和该地区的客票数据；步骤2：剔除客票数据中的不合理数据；步骤3：将地区经济数据和客票数据融合为一个数据集，并对该数据集进行预处理；步骤4：对数据集进行多次聚类，获得备选聚类子集；步骤5：对备选聚类子集进行聚类集成，获得最终的聚类结果；步骤6：根据最终筛选出的聚类结果完成对旅客出行行为的分析。与现有技术相比，本发明专利技术具有更具客观性、行为分析更加细化、实现速度更快等优点。

Analysis method and storage medium of passenger travel behavior under the condition of high-speed railway network

【技术实现步骤摘要】
高速铁路成网条件下旅客出行行为分析方法及存储介质
本专利技术涉及轨道交通
，尤其是涉及一种高速铁路成网条件下旅客出行行为分析方法。
技术介绍
传统的出行行为分析方法通常基于旅客行为选择模型得出，首先建立旅客出行离散选择模型，进而通过SP问卷调查推定模型中的参数，得出不同方式分配的比例。该方法对SP问卷调查的要求较高，需要保证调查者能够清楚的反映自己意愿，在问题和答案设计上也要保证相互独立性和没有明显的倾向性。因此，该方法具有一定的主观性，并受限于调查数据的可靠性，无法真实地反映客观存在的出行行为。客票数据是指通过12306网站或app以及高速铁路车站售票窗口所购买的车票信息，在铁路客票系统中以订单数据的形式保存。订单数据中包括订单发生的事件id、订购的车次、起讫点、座席类型、订购数量等字段信息，不直接提供旅客的个人属性。因此，客票数据无法应用于传统的出行行为分析方法中。综上，现阶段出行行为分析存在以下缺陷：1、传统的出行行为分析方法具有一定的主观性，并受限于调查数据的可靠性，无法真实地反映客观存在的出行行为。...

【技术保护点】
1.一种高速铁路成网条件下旅客出行行为分析方法，其特征在于，该方法为一种内嵌在计算机中的程序，所述的分析方法包括以下步骤：/n步骤1：获取地区经济数据和该地区的客票数据；/n步骤2：剔除客票数据中的不合理数据；/n步骤3：将地区经济数据和客票数据融合为一个数据集，并对该数据集进行预处理；/n步骤4：对数据集进行多次聚类，获得备选聚类子集；/n步骤5：对备选聚类子集进行聚类集成，获得最终的聚类结果；/n步骤6：根据步骤5获得的聚类结果完成对旅客出行行为的分析。/n

【技术特征摘要】
1.一种高速铁路成网条件下旅客出行行为分析方法，其特征在于，该方法为一种内嵌在计算机中的程序，所述的分析方法包括以下步骤：
步骤1：获取地区经济数据和该地区的客票数据；
步骤2：剔除客票数据中的不合理数据；
步骤3：将地区经济数据和客票数据融合为一个数据集，并对该数据集进行预处理；
步骤4：对数据集进行多次聚类，获得备选聚类子集；
步骤5：对备选聚类子集进行聚类集成，获得最终的聚类结果；
步骤6：根据步骤5获得的聚类结果完成对旅客出行行为的分析。


2.根据权利要求1所述的一种高速铁路成网条件下旅客出行行为分析方法，其特征在于，所述步骤2中的不合理数据包括退票数据和下单未购票数据。


3.根据权利要求1所述的一种高速铁路成网条件下旅客出行行为分析方法，其特征在于，所述步骤3中数据集预处理方法具体为：
首先采用最大-最小规范化方法对原始数据进行规范化处理，然后采用Z-score方法对数据集进行标准化处理。


4.根据权利要求1所述的一种高速铁路成网条件下旅客出行行为分析方法，其特征在于，所述步骤4的具体步骤为：
步骤4-1：确定k-means聚类方法所使用的最优k值；
步骤4-2：使用步骤4-1所确定的k值和随机初始聚类中心对数据集进行多次聚类，获得聚类子集。


5.根据权利要求4所述的一种高速铁路成网条件下旅客出行行为分析方法，其特征在于，所述步骤4-1中最优k值采用轮廓系数法获...

【专利技术属性】
技术研发人员：徐瑞华，朱炜，翟学皓，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31