[发明专利]基于多源数据层次图聚类算法的公交站点位置推荐方法

说明书

本发明公开了一种基于多源数据层次图聚类算法的公交站点位置推荐方法，本发明首先利用城市兴趣点(POI)信息和出租车客流需求记录，生成城市POI吸引力图网络；然后根据生成的城市地点吸引力图网络，通过层次图聚类方法，提取具有步行规模约束、高人流密度的兴趣区域(WROI)；最后将具有步行规模约束、高人流密度的兴趣区域与公交网络图对比，为空白服务区域推荐公交站点位置安排。本发明可以优化当前公交网络中低效能、客流密度低的公交站点，还可以对空白服务城市区域推荐新站点位置安排，并根据城市功能给出预判的公交客流规律和密度。

技术领域

本发明涉及公交站点位置选择优化领域，具体提供了一种基于多源数据层次图聚类算法的公交站点位置推荐方法。

背景技术

公交网络的优化与发展对现代城市交通至关重要，由于其灵活性高、易部署、绿色环保等特点，目前是城市出行的主要模式之一。但目前公交出行分担率却在不断下降，其中阻碍居民选择公交出行的主要原因包含(1)由于城市发展速度快，发展中的新区域公交服务配置不及时，导致出发步行区域内没有合适公交站点可供出行；(2)公交站点安排不均衡，部分区域客流密度过大导致公交客舱拥挤，体验不佳。因此，对当前公交网络站点位置的合理优化和空白服务区域公交新站点位置的及时推荐，是提高公交吸引力的重要方法。其进而还可以帮助减少交通拥堵，构建合理的城市立体交通网络，助力绿色出行发展。

目前，大部分公交车站点安排主要依靠空白服务区域人员申请和专业人员调查来了解居民出行需求。虽然这种方法被证明是可行的，但调查过程中花费的时间和成本是相当大的。近几年，普适传感、通信和大数据计算可以实时低成本的感知城市脉动，为城市规划带来新方法和应用。例如，现在很多城市的出租车都配备了GPS设备，可以收集乘客上下车的位置和行程的线路选择信息，等等。利用这些私人交通信息数据，可以获取乘客在城市中随时间变化的移动模式。在与公交出行分布的对比下，有可能通过挖掘私人交通出行的热点地区来确定公交服务空白区域，从而进行有效优化和新站点位置推荐，将尽可能多的人从私人交通转换为公共交通。

现有的利用城市出行大数据进行城市交通规划的方法工作，主要基于聚类方法挖掘城市中具有高人口流动密度的热点/兴趣地区，称之为ROI，然后对目标网络的缺陷地区定位，从而进行优化。但目前的相关工作有两方面主要缺陷。(1)由于公交站的服务范围通常是具有高人流密度的城市步行大小区域，但基于密度的聚类方法，如DBSCAN、K-means聚类，在寻找适合作为公交服务区域的ROI时，在保持高活动/高密度和ROI大小的平衡方面存在局限，这导致挖掘的ROI无法控制聚类大小，经常需要切割操作，既不能精确推荐公交服务区域，又不能保障客流密度；2)由于公交站点设置遵循时空需求响应原则，即一区域内的乘客OD流在时间和起点-终点上具有一定的集中性才适合设置公交站，单纯利用出租客流的聚类挖掘出的ROI会集中在道路上，不能确定服务覆盖区域并获取随时间变化的乘客出行流动模式，对推荐公交站点的位置准确性和客流预判都有很大的影响。因此，对于利用多源数据挖掘城市中有大小限制的兴趣区域(ROI)，并准确揭示这些ROI中人口流动模式与城市区域功能(办公、住宅、商业等)的关系，对确定公交服务缺陷区域和优化推荐公交站点位置安排具有重要意义。

发明内容

为增加公交系统的吸引力，解决公交站点位置的优化推荐问题，本发明提供了一种基于多源数据层次图聚类算法的公交站点位置推荐方法。针对公交站点的设置特点，本发明首先使用出租车客流数据的基于层次图的聚类方法(Hierarchical Graph-basedClustering Algorithm-HGCA)，挖掘城市内具有步行范围限制的兴趣区域(WalkableRegion of Interest-WROI)。该方法可以自动发现具有步行大小限制，且具有高集中人流密度的WROI，并可同时捕捉到WROI中人口时空流动模式。实现有效挖掘适合公交服务范围的城市兴趣区域，精准确定公共交通网络中的服务空白区域，并根据服务区域内的出行模式对公交客流密度进行预判，对当前网络中的站点位置优化，最终对公交新路线站点位置进行推荐。

本发明解决其技术问题所采用的技术方案是：