本發(fā)明涉及客流量分析，尤其涉及一種地鐵站間交互客流量分析方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市化進程的加速，地鐵作為城市公共交通的重要組成部分，其客流量分析對于城市交通規(guī)劃、運營管理和政策制定具有重要意義，地鐵站間的交互客流量不僅反映了城市居民的出行需求和出行模式，還揭示了城市空間結(jié)構(gòu)、經(jīng)濟發(fā)展水平和人口分布等深層次信息。

2、傳統(tǒng)的地鐵站間交互客流量分析方法主要依賴于歷史客流數(shù)據(jù)，通過統(tǒng)計分析、時間序列分析等方法來預(yù)測未來的客流量，然而，這些方法往往忽略了地鐵站周邊區(qū)域的社會經(jīng)濟屬性和空間結(jié)構(gòu)對客流量的影響，導(dǎo)致分析結(jié)果不夠準(zhǔn)確和全面。

3、近年來，隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，越來越多的研究者開始嘗試將新技術(shù)應(yīng)用于地鐵站間交互客流量的分析中，例如，通過收集地鐵站周邊的建筑普查數(shù)據(jù)、poi（point?of?interest，興趣點）數(shù)據(jù)等，可以更加細致地刻畫地鐵站周邊區(qū)域的社會經(jīng)濟屬性和空間結(jié)構(gòu)，同時，基于機器學(xué)習(xí)和數(shù)據(jù)挖掘的方法也為客流量的預(yù)測和分析提供了新的思路。

4、然而，現(xiàn)有的基于大數(shù)據(jù)的地鐵站間交互客流量分析方法仍存在一些問題，一方面，如何有效地整合和利用地鐵站周邊區(qū)域的多源數(shù)據(jù)，構(gòu)建全面、準(zhǔn)確的地鐵站域單元屬性描述，是一個亟待解決的問題，另一方面，如何將這些屬性描述與客流量之間建立有效的關(guān)聯(lián)模型，以實現(xiàn)客流量的準(zhǔn)確預(yù)測和分析，也是一個具有挑戰(zhàn)性的任務(wù)。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提出一種地鐵站間交互客流量分析方法及系統(tǒng)，可以提高地鐵站間交互客流量分析的準(zhǔn)確性和全面性。

2、本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

3、一種地鐵站間交互客流量分析方法，具體包括：

4、劃分地鐵站域單元：以地鐵站為中心，選取預(yù)設(shè)半徑范圍內(nèi)的區(qū)域作為地鐵站域單元，通過泰森多邊形方法對地鐵站域單元進行進一步劃分，確定各地鐵站域單元的空間范圍；

5、收集并處理數(shù)據(jù)：收集地鐵站域單元內(nèi)的建筑普查數(shù)據(jù)和poi數(shù)據(jù)，對建筑普查數(shù)據(jù)進行處理，劃分為居住、工作、商業(yè)三類用地功能，對poi數(shù)據(jù)進行處理，提取出各類poi興趣點；

6、構(gòu)建功能互補性指標(biāo)：根據(jù)地鐵站域單元內(nèi)的用地功能類型，構(gòu)建居住-工作、居住-商業(yè)、工作-商業(yè)的功能互補性指標(biāo)；

7、計算poi相似性：將地鐵站域內(nèi)的poi語義劃分為多個類別，應(yīng)用基于用戶的協(xié)同過濾的推薦算法，構(gòu)建poi語義相似性矩陣；

8、構(gòu)建修正重力模型：在重力模型的基礎(chǔ)上，引入功能互補性指標(biāo)和poi語義相似性矩陣，構(gòu)建地鐵站間交互客流量的修正重力模型；

9、預(yù)測分析：將構(gòu)建好的修正重力模型應(yīng)用于實際地鐵站間交互客流量的預(yù)測和分析中，得到地鐵站間交互客流量分析結(jié)果。

10、作為所述地鐵站間交互客流量分析方法的進一步可選方案，所述以地鐵站為中心，選取預(yù)設(shè)半徑范圍內(nèi)的區(qū)域作為地鐵站域單元，通過泰森多邊形方法對地鐵站域單元進行進一步劃分，確定各地鐵站域單元的空間范圍，具體包括：

11、根據(jù)地鐵站的影響范圍，確定以站點為圓心、預(yù)設(shè)半徑的圓形區(qū)域作為初步劃分的范圍；

12、在初步劃分的圓形區(qū)域內(nèi)，選取預(yù)設(shè)數(shù)量的控制點；

13、根據(jù)控制點，使用泰森多邊形算法構(gòu)建多邊形，使得每個多邊形內(nèi)僅包含一個控制點，且多邊形的邊界由相鄰控制點的垂直平分線構(gòu)成；

14、對構(gòu)建的多邊形進行優(yōu)化，確保它們完全覆蓋初步劃分的圓形區(qū)域，并且相鄰多邊形之間沒有重疊或空隙；

15、將生成的泰森多邊形與初步劃分的圓形區(qū)域進行疊加，確定最終的地鐵站域單元。

16、作為所述地鐵站間交互客流量分析方法的進一步可選方案，所述根據(jù)地鐵站域單元內(nèi)的用地功能類型，構(gòu)建居住-工作、居住-商業(yè)、工作-商業(yè)的功能互補性指標(biāo)，具體包括：

17、計算居住-工作功能互補性rwc_ij，所述居住-工作功能互補性rwc_ij反映地鐵站域單元i與地鐵站域單元j之間居住和工作功能的互補程度；

18、計算居住-商業(yè)功能互補性rec_ij，所述居住-商業(yè)功能互補性rec_ij反映地鐵站域單元i與地鐵站域單元j之間居住和商業(yè)功能的互補程度；

19、計算工作-商業(yè)功能互補性wec_ij，所述工作-商業(yè)功能互補性wec_ij反映地鐵站域單元i與地鐵站域單元j之間工作和商業(yè)功能的互補程度。

20、作為所述地鐵站間交互客流量分析方法的進一步可選方案，所述將地鐵站域內(nèi)的poi語義劃分為多個類別，應(yīng)用基于用戶的協(xié)同過濾的推薦算法，構(gòu)建poi語義相似性矩陣，具體包括：

21、收集地鐵站域單元的poi數(shù)據(jù)；

22、根據(jù)預(yù)定義的十三個類別對poi數(shù)據(jù)進行語義劃分；

23、對每個地鐵站域單元，根據(jù)其包含的poi數(shù)量及類別，構(gòu)建一個十三維的向量，向量中的每個元素代表對應(yīng)類別的poi數(shù)量；

24、應(yīng)用余弦相似度算法計算兩個地鐵站域單元之間的poi相似性；

25、根據(jù)計算得到的相似度值，構(gòu)建一個地鐵站域單元間的poi相似性矩陣，矩陣中的每個元素代表對應(yīng)兩個地鐵站域單元之間的poi相似性。

26、作為所述地鐵站間交互客流量分析方法的進一步可選方案，所述在重力模型的基礎(chǔ)上，引入功能互補性指標(biāo)和poi語義相似性矩陣，構(gòu)建地鐵站間交互客流量的修正重力模型，具體包括：

27、根據(jù)基礎(chǔ)重力模型，結(jié)合功能互補性指標(biāo)和poi語義相似性，設(shè)定修正重力模型的公式；

28、利用實際客流量數(shù)據(jù)，通過回歸分析方法計算模型中的參數(shù)；

29、根據(jù)設(shè)定的公式和計算出的參數(shù)，對基礎(chǔ)模型進行優(yōu)化和調(diào)整，得到修正重力模型。

30、作為所述地鐵站間交互客流量分析方法的進一步可選方案，所述修正重力模型的公式，具體為：

31、；

32、其中，為從起點 i到終點 j的客流量，和分別為起終點站域的容積率，為起訖點間的站間距，為起訖點間的功能互補性指標(biāo)，為起訖點間的poi相似性矩陣，所述α、β、γ、k為模型的可調(diào)參數(shù)。

33、一種地鐵站間交互客流量分析系統(tǒng)，包括：

34、劃分模塊，用于以地鐵站為中心，選取預(yù)設(shè)半徑范圍內(nèi)的區(qū)域作為地鐵站域單元，通過泰森多邊形方法對地鐵站域單元進行進一步劃分，確定各地鐵站域單元的空間范圍；

35、提取模塊，用于收集地鐵站域單元內(nèi)的建筑普查數(shù)據(jù)和poi數(shù)據(jù)，對建筑普查數(shù)據(jù)進行處理，劃分為居住、工作、商業(yè)三類用地功能，對poi數(shù)據(jù)進行處理，提取出各類poi興趣點；

36、第一構(gòu)建模塊，用于根據(jù)地鐵站域單元內(nèi)的用地功能類型，構(gòu)建居住-工作、居住-商業(yè)、工作-商業(yè)的功能互補性指標(biāo)；

37、第二構(gòu)建模塊，用于將地鐵站域內(nèi)的poi語義劃分為多個類別，應(yīng)用基于用戶的協(xié)同過濾的推薦算法，構(gòu)建poi語義相似性矩陣；

38、第三構(gòu)建模塊，用于在重力模型的基礎(chǔ)上，引入功能互補性指標(biāo)和poi語義相似性矩陣，構(gòu)建地鐵站間交互客流量的修正重力模型；

39、預(yù)測分析模塊，用于將構(gòu)建好的修正重力模型應(yīng)用于實際地鐵站間交互客流量的預(yù)測和分析中，得到地鐵站間交互客流量分析結(jié)果。

40、一種計算設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述地鐵站間交互客流量分析方法的步驟。

41、一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述地鐵站間交互客流量分析方法的步驟。

42、本發(fā)明的有益效果是：通過泰森多邊形方法對地鐵站域單元進行劃分，能夠更精確地確定各地鐵站域單元的空間范圍，從而更準(zhǔn)確地捕捉地鐵站周邊的用地功能和人口分布特征，收集并處理建筑普查數(shù)據(jù)和poi數(shù)據(jù)，將建筑普查數(shù)據(jù)劃分為居住、工作、商業(yè)三類用地功能，提取出各類poi興趣點，為構(gòu)建功能互補性指標(biāo)和計算poi相似性提供了豐富的基礎(chǔ)數(shù)據(jù)，構(gòu)建居住-工作、居住-商業(yè)、工作-商業(yè)的功能互補性指標(biāo)，能夠全面反映地鐵站域單元間的功能互補關(guān)系，為解釋地鐵站間交互客流量提供了有力的依據(jù)，將poi語義劃分為多個類別，并應(yīng)用基于用戶的協(xié)同過濾的推薦算法構(gòu)建poi語義相似性矩陣，能夠量化地鐵站域單元間的相似性程度，進一步豐富了模型的解釋能力，在重力模型的基礎(chǔ)上引入功能互補性指標(biāo)和poi語義相似性矩陣，構(gòu)建了地鐵站間交互客流量的修正重力模型，該模型能夠更準(zhǔn)確地反映地鐵站間交互客流量的影響因素和變化規(guī)律，提高了預(yù)測的精度和可靠性，通過將構(gòu)建好的修正重力模型應(yīng)用于實際地鐵站間交互客流量的預(yù)測和分析中，能夠得到更加準(zhǔn)確和全面的地鐵站間交互客流量分析結(jié)果，為城市規(guī)劃、交通管理等領(lǐng)域提供了有力的決策支持，通過精細化的空間單元劃分、全面的數(shù)據(jù)收集與處理、科學(xué)的指標(biāo)構(gòu)建、精確的模型構(gòu)建與預(yù)測，實現(xiàn)了對地鐵站間交互客流量的準(zhǔn)確預(yù)測和分析。

43、