【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种群体效应的客流分析与预警模型构建方法。
技术介绍
1、当前，随着社会经济高速发展和人民生活水平的不断提升，我国大中型城市地面交通发展进入瓶颈时期，城市地面交通承受了巨大的压力，城市轨道交通因其所具备的大容量运输能力、高速度运营、安全舒适、相对独立等优势，而成为公共交通的主要运输载体，许多城市都把发展城市轨道交通作为治理交通拥堵的有效方式。
2、交通客流分析预警是一种利用大规模数据进行分析和预测交通流量的方法。这种方法可以通过对人群中的行为、偏好、需求等进行分析，来预测人们的出行行为，从而预测交通流量。该方法在城市交通系统中得到了广泛应用，可以有效地预测突发客流，提高交通系统的应急响应能力。
3、然而，现有的交通客流预警系统通常采用单一模型进行预测，如基于历史数据的线性回归模型。这种模型往往忽略了个体行为的群体效应，即个体行为可能受到周围人的影响，当使用单一模型进行预测时，这些模型可能会低估实际的客流量，从而导致预警系统的准确性下降。此外，传统的客流量预测方法集中在一小段交通网络的预测，无法捕捉影响客流的因素之间的复杂关系，从而充分考虑多种因素及各个因素之间相互关系对交通客流的影响。
技术实现思路
1、本专利技术的目的在于提供一种群体效应的客流分析与预警模型构建方法用于解决上述问题。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种群体效应的客流分析与预警模型构建方法，具体包括以下步骤：p>
4、s1、获取各个公共交通主体历史数据；
5、s2、对所述公共交通主体历史数据对乘客进行画像分析，筛选出有规律的群体特征，并进行群体标签分类，构建公共交通出行的群体画像；
6、s3、设置多个业务维度的乘客标签，并结合聚类算法建立客流分群模型；
7、s4、采用所述客流分群模型进一步对步骤s3的群体进行分割，并对分割后的各个群体的进行多维度分析；
8、s5、基于步骤s4的群体分析结果对客流类型进行分类及分析，获取各个客流类型的客流特点和规律，并制定不同类型预警和管理措施。
9、优选地，步骤s2具体为：
10、s21、对所述公共交通主体历史数据对乘客进行画像分析，查询并筛选出有规律的群体特征；
11、s22、为筛选出的各个群体创建群体标签，选择集群名称、归档方式并设置标签归档；
12、s23、设置群体标签设置查询条件及方式；
13、s24、对群体标签规则结果进行配置；
14、s25、根据群体标签的创建信息，将不同的归档标签进行分类统计，生成群体画像并展示；
15、s26、通过查询与分析页签选择所需标签库，输入关键字或根据实际需求选择条件进行查询，并通过数据列表展示符合条件的数据及图标分析视图；
16、s27、选择所需分析的群体，进行分类查询与分析。
17、优选地，步骤s3中所述业务维度包括基础维度、购票维度、出行维度、积分维度及满意度维度。
18、优选地，步骤s3中所述客流分群模型的建立流程包括以下步骤：
19、s31、设置数据清洗规则进行数据清洗；
20、s32、参数确定和模型建立；
21、s33、对乘客分群进行定义。
22、优选地，步骤s31中数据清洗过程包括剔除样本、删除特征、缺失值处理、离群值处理、热独编码处理及标准化处理。
23、优选地，步骤s32中参数确定和模型建立过程为：
24、s321、对特征变量进行pca降维；
25、s322、选取分群特征，然后选择聚类算法进行聚类；
26、s333、执行s322选择的聚类算法，通过指标查看聚类的效果，并对特征中心值进行计算。
27、优选地，步骤s33中乘客分群的定义内容包括各类别样本数、连续变量特征中心值和有值占比、类别变量最多的类和占比。
28、优选地，所述客流类型包括通勤客流、节假日客流、大型活动客流、恶劣天气客流、春运与暑运客流。
29、优选地，所述预警类型包括蓝色预警、黄色预警、橙色预警及红色预警。
30、采用上述技术方案后，本专利技术与
技术介绍
相比，具有如下有益效果：
31、本专利技术提供一种群体效应的客流分析与预警模型构建方法，通过对公共交通主体历史数据进行分析，预测未来的客流情况提前采取措施，从而更好地规划和管理交通系统；并且考虑到群体效应，确保预测结果不仅考虑了每个人的独立行为，还考虑了他们作为一个群体的行为，为交通规划和设计提供参考依据。
本文档来自技高网...【技术保护点】
1.一种群体效应的客流分析与预警模型构建方法，其特征在于：具体包括以下步骤：
2.如权利要求1所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤S2具体为：
3.如权利要求1所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤S3中所述业务维度包括基础维度、购票维度、出行维度、积分维度及满意度维度。
4.如权利要求1所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤S3中所述客流分群模型的建立流程包括以下步骤：
5.如权利要求4所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤S31中数据清洗过程包括剔除样本、删除特征、缺失值处理、离群值处理、热独编码处理及标准化处理。
6.如权利要求4所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤S32中参数确定和模型建立过程为：
7.如权利要求4所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤S33中乘客分群的定义内容包括各类别样本数、连续变量特征中心值和有值占比、类别变量最多的类和占比。
...【技术特征摘要】
1.一种群体效应的客流分析与预警模型构建方法，其特征在于：具体包括以下步骤：
2.如权利要求1所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤s2具体为：
3.如权利要求1所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤s3中所述业务维度包括基础维度、购票维度、出行维度、积分维度及满意度维度。
4.如权利要求1所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤s3中所述客流分群模型的建立流程包括以下步骤：
5.如权利要求4所述一种群体效应的客流分析与预警模型构建方法，其特征在于：步骤s31中数据清洗过程包括剔除样本、删除特征、缺失值处理、离群值处理、热独编...
【专利技术属性】
技术研发人员：陈思恩，
申请(专利权)人：科技谷厦门信息技术有限公司，
类型：发明
国别省市：
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。