System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及公交出行模式挖掘,尤其涉及一种基于类脑分析的公交时频域出行模式转换方法。
技术介绍
1、在以公共交通为导向的开发模式(transit-oriented development,tod)不断推进的背景下。公交车系统配备传感器和自动收费系统,可以感知城市中公交客流流量的变化趋势。自动收费设备收集了海量的城市刷卡数据,而公交车gps(global positioningsystem,全球定位系统)传感器则收集轨迹数据和速度数据。这些城市数据被广泛应用于流量预测和交通优化等领域的研究。通过城市公交的刷卡数据统计出公交客流信号的时域数据,在公交出行模式分析的相关研究中应用十分广泛,现有的技术在分析时域的特征时,缺乏结合类脑分析的相关技术,在脑电研究中,通过时频域转换分析,计算脑电的功率谱密度等的变化找出脑电数据内部的特征。借鉴脑电研究的方法,基于公交出行数据提供的时域数据,在公交客流的时域数据中引入类脑分析频谱结构探索公交出行底层规律,构建相应的频域特征提取及解析框架,是对公交行为模式挖掘与公交出行网络特征描述的进阶补充,具有重要的理论与现实意义。
2、目前,现有技术中的公交出行规律挖掘方法的缺点包括:
3、现有技术中的公交出现模式挖掘方法多数只单独分析客流的时域信号,利用上一时段信息预测下一时段信息或者上个站点信息预测下一个站点信息,缺乏从频域角度分析的技术。
4、既有技术关于时空模式的挖掘与分析,尽管在一定程度上能够提供公交出行的一般规律,但所挖掘的模式大多呈现“一事一议”状态,由不同
技术实现思路
1、本专利技术的实施例提供了一种基于类脑分析的公交时频域出行模式转换方法,以实现有效地挖掘出公交出行底层规律。
2、为了实现上述目的,本专利技术采取了如下技术方案。
3、一种基于类脑分析的公交时频域出行模式转换方法,包括:
4、搜集车站对应的公交刷卡数据和公交站点数据,根据所述公交刷卡数据和公交站点数据统计车站的客流信号;
5、将所述客流信号当作脑电信号,采用多窗谱法将所述客流信号由时域信号转变为频域信号,计算所述频域信号的功率谱密度;
6、将客流信号的功率谱密度按照一赫兹的带宽划分为多个频带,用复合辛普森法simps方法求出每个频带的功率谱;
7、将每个频带的功率谱转化为频域特征,通过分析频域特征挖掘公交出行模式,根据公交出行模式分析出所述车站的客流规律。
8、优选地,所述的搜集车站对应的公交刷卡数据和公交站点数据,根据所述公交刷卡数据和公交站点数据统计车站的客流信号,包括:
9、搜集一定时间内的车站对应的公交刷卡数据和公交站点数据,将搜集到的公交刷卡数据和公交站点数据进行聚类处理,得到多个车站的客流信号序列,每隔15分钟统计一次客流量,将每个车站一周的客流信号等效为一秒钟内变化的脑电信号,得到脑电信号序列。优选地,所述的将所述客流信号当作脑电信号,采用多窗谱法将所述客流信号由时域信号转变为频域信号,计算所述频域信号的功率谱密度,包括:
10、采用多窗谱法将所述脑电信号序列由时域信号转变为频域信号,通过离散傅里叶变换计算出客流信号的功率谱密度px(f),计算公式为:
11、
12、其中:uk是来自离散椭球解的特征值;
13、xk是第k个特征谱x(t)wk(t)的离散傅里叶变换;
14、px(f)是客流信号的功率谱密度;
15、计算特征值uk的窗函数的公式为:
16、c*a-λ(n,w)*a=0
17、其中矩阵c为:
18、
19、其中t,t′=0,1...n-1,n为数据窗个数,w为频带,a为脑电信号序列转变得到的频域信号,
20、根据上式求出有序的特征值1>λ0>λ1>λ2>…λn-1>0,将λ0、λ1、λ2...λn-1作为uk。
21、优选地,所述的将客流信号的功率谱密度按照一赫兹的带宽划分为多个频带,用复合辛普森法simps方法求出每个频带的功率谱,包括:
22、将客流信号的功率谱密度px(f)的频带区间[a,b]平均分为n个子区间,每个子区间的宽度为h=(b-a)/n;使用辛普森法simps方法对每个子区间进行近似计算,并将结果相加,得到整个区间上的功率谱的近似积分值;
23、对于一个子区间[xi,xi+1],其中xi=a+i*h,函数f(x)在该子区间上的功率谱的近似积分值为:
24、
25、其中:si是在i子区间上的功率谱的近似积分值
26、h为子区间宽度,每个区间就是1hz的带宽
27、f(xi)为xi处的函数值,代表客流信号的功率谱密度
28、f(xi+1)为xi+1处的函数值
29、xi=a+i*h,
30、优选地,所述的将每个频带的功率谱转化为频域特征,通过分析频域特征挖掘公交出行模式,根据公交出行模式分析出所述车站的客流规律,包括:
31、将每个频带的时域的功率谱si经过开方计算后得到f(ω),通过傅里叶变换将f(ω)转化为频域特征f(t),傅里叶变换的计算公式为:
32、
33、通过分析频域特征f(t)挖掘出所述车站的公交出行模式,根据公交出行模式分析出所述车站的客流规律,其中包括早晚高峰和平峰的客流规律,通过傅里叶变换将所述频域特征f(t)转化为时域特征。
34、由上述本专利技术的实施例提供的技术方案可以看出,本专利技术方法从频域角度利用多窗口谱法将动态的时域信息转换为功率谱密度模式信息,之后通过逆变换把功率谱开方转化为频域,然后用三角函数还原为时域信息,获得通用性强,可以统一表示的公交出行模式挖掘,挖掘公交客流信号出行的内在模式,系统化捕捉公交出行底层规律。
35、本专利技术附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于类脑分析的公交时频域出行模式转换方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述的搜集车站对应的公交刷卡数据和公交站点数据,根据所述公交刷卡数据和公交站点数据统计车站的客流信号,包括:
3.根据权利要求2所述的方法,其特征在于,所述的将所述客流信号当作脑电信号,采用多窗谱法将所述客流信号由时域信号转变为频域信号,计算所述频域信号的功率谱密度,包括:
4.根据权利要求3所述的方法,其特征在于,所述的将客流信号的功率谱密度按照一赫兹的带宽划分为多个频带,用复合辛普森法Simps方法求出每个频带的功率谱,包括:
5.根据权利要求4所述的方法,其特征在于,所述的将每个频带的功率谱转化为频域特征,通过分析频域特征挖掘公交出行模式,根据公交出行模式分析出所述车站的客流规律,包括:
【技术特征摘要】
1.一种基于类脑分析的公交时频域出行模式转换方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述的搜集车站对应的公交刷卡数据和公交站点数据,根据所述公交刷卡数据和公交站点数据统计车站的客流信号,包括:
3.根据权利要求2所述的方法,其特征在于,所述的将所述客流信号当作脑电信号,采用多窗谱法将所述客流信号由时域信号转变为频域信号,计算所...
【专利技术属性】
技术研发人员:奇格奇,王竞琛,卢江琳,乔雨林,田名鑫,关伟,
申请(专利权)人:北京交通大学,
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。