【技术实现步骤摘要】
地铁站周边特征提取、交通需求估计方法及装置
本专利技术属于交通
，具体涉及一种地铁站周边特征提取、交通需求估计方法及装置。
技术介绍
地铁作为一种大运量的城市交通工具，获得了城市规划设计者们的青睐。为了满足日益增长的城市交通需求，许多城市开始新建地铁。而交通需求估计是地铁网络建设规划的依据。可以说，交通需求在很大程度上决定着是否进行地铁建设以及建设地铁的规模大小。扩张地铁网络的交通需求估计本身就是一项很有难度的任务，因为往往没有历史数据和经验可循，这增加了估计的难度和不确定性。传统的交通需求估计方法主要是四阶段法和时间序列法。四阶段法即交通生成、交通分布、交通方式划分、交通量分配，这种方法往往需要对城市进行大量的交通调查，人力物力以及时间成本消耗较大。时间序列法是根据估计对象历史数据的变化规律推测其未来的变化趋势。但是，目前采用这两种方法的地铁交通需求估计存在以下不足：1、主要用于对已建成地铁系统的交通需求估计，即估计已建成的地铁站的交通需求，并不适用于对准备新建的地铁站交通需求进行估计。2、只估计了地...
【技术保护点】
1.一种地铁站周边特征提取方法，其特征在于，包括以下步骤：/n步骤11：针对已有的地铁网络，采集其中各个地铁站在不同时段的周边特征，并获取其中各个地铁站OD对间不同时段的交通需求数据；/n步骤12：构建训练集D，其中每个训练样本的特征为已有的地铁网络中一个地铁站OD对在一个时段的d个特征，其由已有的地铁网络中该地铁站OD对中两个地铁站在相应时段的周边特征组合而成；每个训练样本的标签为相应地铁站OD在相应时段的交通需求；/n步骤13：构建基于机器学习算法的交通需求估计模型；基于训练集D，以训练样本的特征为输入，以训练样本的标签为输入，训练交通需求估计模型，得到d个特征对于交通...
【技术特征摘要】
1.一种地铁站周边特征提取方法，其特征在于，包括以下步骤：
步骤11：针对已有的地铁网络，采集其中各个地铁站在不同时段的周边特征，并获取其中各个地铁站OD对间不同时段的交通需求数据；
步骤12：构建训练集D，其中每个训练样本的特征为已有的地铁网络中一个地铁站OD对在一个时段的d个特征，其由已有的地铁网络中该地铁站OD对中两个地铁站在相应时段的周边特征组合而成；每个训练样本的标签为相应地铁站OD在相应时段的交通需求；
步骤13：构建基于机器学习算法的交通需求估计模型；基于训练集D，以训练样本的特征为输入，以训练样本的标签为输入，训练交通需求估计模型，得到d个特征对于交通需求估计的重要性评分，提取重要性较大的d′个特征用于估计地铁网络中未进行交通需求数据采集的各地铁站OD对各时段的交通需求。
2.根据权利要求1所述的地铁站周边特征提取方法，其特征在于，所述步骤11中，地铁站的周边特征包括通行效率，其计算公式为：
其中，ε(i,j)表示ε(i,j)表示从地铁站i到地铁站j的通行效率，T(i,j)表示从地铁站i到地铁站j的旅行时间(行车时间)，area(i)表示地铁站i周围一定范围内的地铁站集合。
3.根据权利要求1所述的地铁站周边特征提取方法，其特征在于，所述步骤12中，交通需求数据基于刷卡数据获取，包括以下步骤：
1)对每天的地铁刷卡记录进行预处理：根据闸机编号修复刷卡记录中缺失的站点名称，并清洗不完整的刷卡数据，例如只有进站没有出站或只有出站没有进站的数据；
2)获取出行记录：按照刷卡ID和刷卡时间对每天的刷卡记录进行排序，获得每一位乘客按照时间排序的刷卡记录，并将其时间相邻的进站记录和出站记录进行拼接，获得一次完整的出行记录，包括进站时间地点和出站时间地点；
3)统计出行记录：统计一段时间内每个地铁站OD对间每一天不同时段的出行记录次数Num，获得该段时间内地铁站OD对间每天的交通需求；
4)计算各个地铁站OD对间不同时段的交通需求：通过计算Num/(该段时间包含的天数×一天中相应时段包含的小时数)，得到相应地铁站OD对间相应时段平均每小时的交通需求。
4.根据权利要求1所述的地铁站周边特征提取方法，其特征在于，所述步骤13中，机器学习算法为XGBoost算法。
5.一种交通需求估计方法，其特征在于，包括以下步骤：
步骤21：针对已有的/扩建后的地铁网络，采集其中各个地铁站在不同时段的周边特征，并获取其中各个地铁站OD对间不同时段的交通需求数据；
步骤22：构建训练集D，其中每个训练样本的特征为已有的地铁网络中一个地铁站OD对在一个时段的d个特征，其由已有的地铁网络中该地铁站OD对中两个地铁站在相应时段的周...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。