一种基于大数据分析的轨道站点客流瓶颈识别方法

本发明涉及轨道客流分析领域，尤其涉及一种基于大数据分析的轨道站点客流瓶颈识别方法。

背景技术：

1、现有轨道站点客流分析多以站点固定半径、行政区划或经验服务范围作为客流来源统计边界，并结合轨道刷卡客流、站点周边人口、兴趣点、土地利用和历史客流变化进行客流预测。部分方法会引入道路网络、公交接驳或共享单车轨迹数据，对站点周边接驳条件进行补充描述，再利用时间序列模型、机器学习模型或图神经网络对站点客流进行估计。

2、但是，固定服务范围难以反映空间单元到轨道站点的真实接入差异，在相邻站点服务范围交叠、步行接入和骑行接驳并存的区域，容易造成空间单元重复归属或错误归属。现有方法通常将需求规模、进站条件、网络可达性和本地功能混合建模，难以区分站点客流潜力不足和客流潜力转化不足，也难以进一步判断转化不足主要受进站条件、网络可达性还是本地功能限制。

3、因此，如何提供一种基于大数据分析的轨道站点客流瓶颈识别方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于大数据分析的轨道站点客流瓶颈识别方法，本发明利用多源交通大数据和改进的时空图神经网络，识别轨道站点客流转化瓶颈，具备归属准确、识别精细和解释性强的优点。

2、根据本发明实施例的一种基于大数据分析的轨道站点客流瓶颈识别方法，包括如下步骤：

3、获取目标分析时段内的轨道客流多源数据并进行预处理，生成轨道站点客流基础数据集；

4、依据轨道站点客流基础数据集计算空间单元至轨道站点出入口的最短步行时间并判定步行可达状态，生成步行服务区数据；

5、依据轨道站点客流基础数据集识别轨道站点接驳轨迹，并关联接驳外端点所在空间单元，生成骑行接驳服务区数据；

6、融合步行服务区数据和骑行接驳服务区数据，确定空间单元与候选轨道站点的服务归属关系，生成浮动服务区数据；

7、基于浮动服务区数据和轨道站点客流基础数据集提取基础需求、进站条件、网络可达性、本地功能和历史客流周期特征，生成站点瓶颈识别特征集；

8、基于浮动服务区数据和站点瓶颈识别特征集构建多关系站点图，并输入改进的时空图神经网络进行处理，生成需求时空表示；

9、将需求时空表示与站点瓶颈识别特征集进行关联，估计站点潜力转化状态，生成潜力转化评估结果；

10、将潜力转化评估结果和轨道刷卡实际客流进行比对，计算潜力未转化程度并确定客流潜力转化不足站点；

11、对客流潜力转化不足站点进行特征类别基准替换和转化率重算，确定主导转化瓶颈并输出轨道站点客流瓶颈识别结果。

12、可选的，所述轨道客流多源数据包括轨道站点及出入口数据、空间单元、轨道刷卡实际客流、共享单车轨迹、道路网络、轨道网络、兴趣点数据和土地利用数据；其中，空间单元通过对目标分析区域进行地理划分得到，兴趣点数据包括公共服务设施、商业服务设施和生活配套设施的空间位置及类型信息，土地利用数据包括各空间单元的用地类型、用地面积占比和开发强度信息；所述预处理包括坐标统一、时间粒度统一、空间匹配和异常值剔除。

13、可选的，所述步行服务区数据的生成具体包括：

14、从轨道站点客流基础数据集中选取空间单元代表点、轨道站点出入口和道路网络，并将其落位至道路网络节点，生成步行起讫节点数据；

15、根据步行起讫节点数据在道路网络中筛出由空间单元代表点通向轨道站点出入口的可通行路径，得到候选步行路径；

16、沿候选步行路径逐段计算路段通行耗时和路口衔接耗时，并在同一轨道站点的多个出入口之间确定最短步行时间；

17、将最短步行时间与步行可达时间上限进行比对，确定空间单元至轨道站点的步行可达状态，并生成步行服务区数据，所述步行服务区数据包括空间单元标识、轨道站点标识、最短步行时间和步行可达标记。

18、可选的，所述骑行接驳服务区数据的生成具体包括：

19、从轨道站点客流基础数据集中选取目标分析时段内的共享单车轨迹、轨道站点出入口和空间单元，将共享单车轨迹端点与轨道站点出入口进行站点邻近归集，生成轨迹端点站点关联记录；

20、按照轨迹端点站点关联记录核验共享单车轨迹的起点和终点邻近状态，筛选仅一个端点位于站点邻近范围内的共享单车轨迹，生成轨道站点接驳轨迹；

21、对轨道站点接驳轨迹中的接驳外端点进行空间单元边界匹配，并按照空间单元边界关联接驳外端点所在空间单元；

22、按轨道站点标识和空间单元标识汇总轨道站点接驳轨迹数量，并确定空间单元至轨道站点的骑行接驳标记，生成骑行接驳服务区数据，所述骑行接驳服务区数据包括轨道站点标识、空间单元标识、有效轨迹数量和骑行接驳标记。

23、可选的，所述浮动服务区数据的生成具体包括：

24、对步行服务区数据和骑行接驳服务区数据进行筛选归集，得到空间单元对应的候选轨道站点及其可用接入方式；

25、按照候选轨道站点对应的可用接入方式计算接入耗时，并将同一空间单元至同一候选轨道站点的数值最小接入耗时作为综合接入时间；

26、在同一空间单元存在两个以上候选轨道站点时，依次比较综合接入时间、道路网络距离和站点唯一顺序，选取归属站点；

27、按空间单元标识汇总候选轨道站点、可用接入方式、综合接入时间、道路网络距离和归属站点，生成浮动服务区数据。

28、可选的，所述站点瓶颈识别特征集的生成具体包括：

29、按照浮动服务区数据中的归属站点标识，分别汇总归属同一轨道站点的空间单元的人口规模、就业规模和活动强度，生成基础需求特征；

30、依据浮动服务区数据中的综合接入时间、可用接入方式和道路网络，量化空间单元至轨道站点的进站便利程度，生成进站条件特征；

31、依据轨道网络和轨道站点属性计算轨道站点的轨道可达机会和换乘属性，生成网络可达性特征；

32、依据兴趣点数据和土地利用数据统计轨道站点浮动服务区内的设施集聚、土地利用混合度和开发强度，生成本地功能特征；

33、按照目标分析时段之前的轨道刷卡实际客流提取历史客流周期特征，并将基础需求特征、进站条件特征、网络可达性特征、本地功能特征和历史客流周期特征按轨道站点标识汇总，生成站点瓶颈识别特征集。

34、可选的，所述需求时空表示的生成具体包括：

35、依据轨道网络、道路网络、浮动服务区数据、骑行接驳服务区数据和目标分析时段之前的轨道刷卡实际客流，以轨道站点为节点编排多类站点关系，构建多关系站点图；

36、将多关系站点图、浮动服务区数据和相邻站点竞争关系输入改进的时空图神经网络，通过邻接重构单元进行邻接核验和重构处理，生成边界感知多关系站点图，所述相邻站点竞争关系是指同一空间单元同时对应两个候选轨道站点时，依据综合接入时间差值和道路网络距离差值形成的站点间竞争关系；

37、所述改进的时空图神经网络相对于现有时空图神经网络，其主要改进在于：将固定站点邻接输入单元改为浮动边界感知的邻接重构单元，以及将统一时空特征编码单元改为潜力转化解耦单元；

38、将站点瓶颈识别特征集输入潜力转化解耦单元进行通道划分、状态编码和特征压缩，生成潜力需求编码结果和转化条件编码结果；

39、将边界感知多关系站点图、潜力需求编码结果和转化条件编码结果输入多关系图传播单元，对相邻轨道站点之间的需求状态和转化状态进行关系传播，生成站点传播表示；

40、将站点传播表示、潜力需求编码结果和转化条件编码结果输入时空表示输出单元，对目标分析时段内的轨道站点状态进行融合输出，生成需求时空表示。

41、可选的，所述潜力转化评估结果包括可实现客流潜力、潜力转化率和实际客流预测值；所述可实现客流潜力由需求时空表示中的潜力需求表征数据与站点瓶颈识别特征集中的基础需求特征和历史客流周期特征关联后，采用softplus非负映射进行数值约束得到；所述潜力转化率由需求时空表示中的转化条件表征数据和融合时空表征数据，与进站条件特征、网络可达性特征和本地功能特征关联后，采用sigmoid区间映射进行取值约束得到；所述实际客流预测值由可实现客流潜力与潜力转化率相乘得到。

42、可选的，所述潜力未转化程度根据可实现客流潜力与轨道刷卡实际客流之间的差额确定；所述客流潜力转化不足站点根据潜力未转化程度与同类型轨道站点未转化判定基准的比对结果确定。

43、可选的，所述轨道站点客流瓶颈识别结果的输出具体包括：

44、基于客流潜力转化不足站点的轨道站点类型、换乘标记和需求水平组，对站点瓶颈识别特征集进行同类站点匹配，生成同类型轨道站点集合；

45、针对同类型轨道站点集合分别提取进站条件特征、网络可达性特征和本地功能特征的同类基准水平，并对客流潜力转化不足站点进行特征类别替换和转化率重算，生成替换转化率数据；

46、基于替换转化率数据计算各特征类别的反事实改善增益和瓶颈贡献度，确定主导转化瓶颈并输出轨道站点客流瓶颈识别结果，所述轨道站点客流瓶颈识别结果包括客流潜力转化不足站点、潜力未转化程度和主导转化瓶颈。

47、本发明的有益效果是：

48、本发明通过将轨道站点出入口、空间单元、轨道刷卡实际客流、共享单车轨迹、道路网络、轨道网络、兴趣点和土地利用等多源数据进行统一处理，并在此基础上分别生成步行服务区数据和骑行接驳服务区数据，使站点服务范围不再依赖固定半径或经验边界确定。对于同一空间单元同时对应多个候选轨道站点的情况，本发明结合综合接入时间、道路网络距离和相邻站点竞争关系确定服务归属关系，能够减少相邻站点服务范围交叠造成的重复归属和错误归属，使浮动服务区更接近实际进站行为。

49、本发明在生成站点瓶颈识别特征集时，将基础需求、进站条件、网络可达性、本地功能和历史客流周期特征分别提取，并利用改进的时空图神经网络进行处理。该改进结构将固定站点邻接关系调整为浮动边界感知的邻接重构方式，并将潜力需求侧特征与转化条件侧特征分开表达，使模型既能够识别站点具备的可实现客流潜力，又能够识别潜力转化过程中受到的接入条件、网络条件和功能条件限制，避免不同性质特征混合后导致瓶颈来源不清。

50、本发明进一步依据可实现客流潜力、潜力转化率和轨道刷卡实际客流计算潜力未转化程度，能够从“潜力是否存在”和“潜力是否转化”两个层面判断站点问题。对于客流潜力转化不足站点，本发明通过特征类别基准替换和转化率重算，计算进站条件特征、网络可达性特征和本地功能特征对应的反事实改善增益和瓶颈贡献度，从而确定主导转化瓶颈。由此，输出结果不仅能够指出哪些站点存在转化不足，还能进一步说明造成转化不足的主要原因，为轨道站点接驳改善、网络优化和周边功能调整提供更明确的决策依据。