【技术实现步骤摘要】
基于多源交通数据的公交路网分区方法、系统、设备和介质
[0001]本专利技术涉及智能交通
，特别是涉及一种基于多源交通数据的公交路网分区方法、系统、计算机设备和存储介质。
技术介绍
[0002]当前城市道路公交系统已形成以常规公交为主体、以定制公交等需求响应型公交为有效补充的发展局面，对提升公交服务品质、缓解部分乘客出行难等起到了重要作用。然而，在常规公交服务中，道路交通状态和乘客需求等外部因素变化时常导致车辆无法按既定运营方案发挥其核定运输效率；即便需求响应型公交服务强调以灵活的运营方案满足乘客个性化出行需求，其实际服务效果(如准时性、系统可靠性等)仍然受道路交通状态影响而存在不确定性。公交车辆在行驶过程中，与路网交通状态、乘客出行需求间存在复杂的交互关系，公交资源优化配置及公交效能的提高依赖于对这种交互关系的识别。宏观基本图可揭示出同质路网中车辆平均流量、密度、速度之间的规律，为识别上述交互关系提供了可行途径。然而，对路网宏观交通规律(宏观基本图)的识别以路网的同质性划分为前提，目前虽然已有针对社会车和多模式交通的...
【技术保护点】
【技术特征摘要】
1.一种基于多源交通数据的公交路网分区方法，其特征在于，所述方法包括：在研究区域内，根据出租车GPS数据和公交车进出站GPS数据，计算公交车路段速度；其中包括对仅有出租车数据的路段，采用神经网络模型预测公交车路段速度；根据所述公交车路段速度和路段邻接关系，实现公交路网分区；对公交路网分区得到的子区，根据公交车进出站GPS数据以及路网数据，计算公交车路网交通参数，从而得到公交路网宏观基本图。2.根据权利要求1所述的公交路网分区方法，其特征在于，所述对仅有出租车数据的路段，采用神经网络模型预测公交车路段速度，具体包括：对所有同时有公交车进出站和出租车数据的路段：对于任意路段i，分别根据公交车进出站GPS数据和出租车GPS数据，计算路段i的公交车的路段速度和社会车的路段速度；对于任意路段i，以社会车路段速度和路段起/终点经纬度、路段长度、车道数、有无公交车专用道作为输入参数，使用皮尔逊相关系数描述所述输入参数与公交车路段速度间的相关性，选择相关系数绝对值大的输入参数作为路段i的输入参数；将所有路段的输入参数作为样本集；根据路段，将样本集划分为训练集和测试集；利用训练集对神经网络模型进行训练，得到最终的预测模型；对仅有出租车GPS数据的路段，将该路段的输入参数输入最终的预测模型，得到公交车路段速度。3.根据权利要求2所述的公交路网分区方法，其特征在于，所述利用训练集对神经网络模型进行训练，得到最终的预测模型，具体包括：对于训练集中的任意路段i，以路段i的输入参数作为神经网络模型的输入数据；对所述输入数据进行数据归一化；将归一化的数据分别输入所述神经网络模型中的循环神经网络和卷积神经网络，分别得到对应的路段i的预测公交车路段速度；根据路段i的公交车路段速度和路段i的预测公交车路段速度，采用均方根误差和平均绝对误差计算出公交车路段速度预测误差，将精度最高的神经网络模型作为最终的预测模型。4.根据权利要求1所述的公交路网分区方法，其特征在于，所述根据出租车GPS数据和公交车进出站GPS数据，计算公交车路段速度，还包括：对有公交车进出站数据的路段，结合公交车进出站GPS数据和公交线路的路网分布信息，计算公交车路段速度，具体为：利用公交线路在路网的分布信息和路网拓扑结构将路网中的道路细分为若干路段；根据路段上不同线路的公交车速度，计算所述路段的公交车平均路段速度。5.根据权利要求1所述的公交路网分区方法，其特征在于，所述根据所述公交车路段速度和路段邻接关系，实现公交路网分区，具体包括：根据路网中不同路段的邻接关系以及所述公交车路段速度，采用密度峰值聚类法和区域生长法生成初始小区；对所述初始小区进行合并，得到合并子区；对所述合并子区的边界进行调整，从而实现公交路网分区。
6.根据权利要求5所述的公交路网分区方法，其特征在于，所述根据路网中不同路段的邻接关系以及所述公交车路段速度，采用密度峰值聚类法和区域生长法生成初始小区，具体包括：计算任意路段i与其他路段的曼哈顿距离之和S
i
，并将S
i
降序排列；对排序后的S
i
，计算相邻两数间的差值，差值最大处之前的所有...
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。