[發明專利]地鐵站周邊特征提取、交通需求估計方法及裝置

有效

• 申請號: 202010350467.4
• 申請日: 2020-04-28
• 公開（公告）號: CN111414719B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 王璞;王開鵬;黃智仁
• 申請（專利權）人: 中南大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q50/30
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 楊萍

1.一種地鐵站周邊特征提取方法，其特征在于，包括以下步驟：

步驟11：針對已有的地鐵網絡，采集其中各個地鐵站在不同時段的周邊特征，并獲取其中各個地鐵站OD對間不同時段的交通需求數據；

步驟12：構建訓練集D，其中每個訓練樣本的特征為已有的地鐵網絡中一個地鐵站OD對在一個時段的d個特征，其由已有的地鐵網絡中該地鐵站OD對中兩個地鐵站在相應時段的周邊特征組合而成；每個訓練樣本的標簽為相應地鐵站OD在相應時段的交通需求；

所述步驟12中，交通需求數據基于刷卡數據獲取，包括以下步驟：

1)對每天的地鐵刷卡記錄進行預處理：根據閘機編號修復刷卡記錄中缺失的站點名稱，并清洗不完整的刷卡數據，包括只有進站沒有出站或只有出站沒有進站的數據；

2)獲取出行記錄：按照刷卡ID和刷卡時間對每天的刷卡記錄進行排序，獲得每一位乘客按照時間排序的刷卡記錄，并將其時間相鄰的進站記錄和出站記錄進行拼接，獲得一次完整的出行記錄，包括進站時間地點和出站時間地點；

3)統計出行記錄：統計一段時間內每個地鐵站OD對間每一天不同時段的出行記錄次數Num，獲得該段時間內地鐵站OD對間每天的交通需求；

4)計算各個地鐵站OD對間不同時段的交通需求：通過計算Num/(該段時間包含的天數×一天中相應時段包含的小時數)，得到相應地鐵站OD對間相應時段平均每小時的交通需求；

步驟13：構建基于機器學習算法的交通需求估計模型；基于訓練集D，以訓練樣本的特征為輸入，以訓練樣本的標簽為輸入，訓練交通需求估計模型，得到d個特征對于交通需求估計的重要性評分，提取重要性評分較大的d′個特征用于估計地鐵網絡中未進行交通需求數據采集的各地鐵站OD對各時段的交通需求。

2.根據權利要求1所述的地鐵站周邊特征提取方法，其特征在于，所述步驟11中，地鐵站的周邊特征包括通行效率，其計算公式為：

其中，ε(i,j)表示從地鐵站i到地鐵站j的通行效率，T(i,j)表示從地鐵站i到地鐵站j的旅行時間，即行車時間，area(i)表示地鐵站i周圍一定范圍內的地鐵站集合。

3.根據權利要求1所述的地鐵站周邊特征提取方法，其特征在于，所述步驟13中，機器學習算法為XGBoost算法。

4.一種交通需求估計方法，其特征在于，包括以下步驟：

步驟21：針對已有的/擴建后的地鐵網絡，采集其中各個地鐵站在不同時段的周邊特征，并獲取其中各個地鐵站OD對間不同時段的交通需求數據；

步驟22：構建訓練集D，其中每個訓練樣本的特征為已有的地鐵網絡中一個地鐵站OD對在一個時段的d個特征，其由已有的地鐵網絡中該地鐵站OD對中兩個地鐵站在相應時段的周邊特征構成；每個訓練樣本的標簽為相應地鐵站OD在相應時段的交通需求；

其中，交通需求數據基于刷卡數據獲取，包括以下步驟：

1)對每天的地鐵刷卡記錄進行預處理：根據閘機編號修復刷卡記錄中缺失的站點名稱，并清洗不完整的刷卡數據，包括只有進站沒有出站或只有出站沒有進站的數據；

2)獲取出行記錄：按照刷卡ID和刷卡時間對每天的刷卡記錄進行排序，獲得每一位乘客按照時間排序的刷卡記錄，并將其時間相鄰的進站記錄和出站記錄進行拼接，獲得一次完整的出行記錄，包括進站時間地點和出站時間地點；

3)統計出行記錄：統計一段時間內每個地鐵站OD對間每一天不同時段的出行記錄次數Num，獲得該段時間內地鐵站OD對間每天的交通需求；

4)計算各個地鐵站OD對間不同時段的交通需求：通過計算Num/(該段時間包含的天數×一天中相應時段包含的小時數)，得到相應地鐵站OD對間相應時段平均每小時的交通需求；

步驟23：構建基于機器學習算法的交通需求估計模型；基于訓練集D，以訓練樣本的特征為輸入，以訓練樣本的標簽為輸入，訓練交通需求估計模型；

步驟24：對于未獲取交通需求數據的已有的/擴建后的地鐵網絡中的任一地鐵站OD對任一時段，將該地鐵站OD對在相應時段的d個特征輸入訓練好的交通需求估計模型，得到相應的交通需求數據。