一种地铁站点客流优势预测方法
本发明涉及城市交通规划与客流预测,具体涉及一种地铁站点客流优势预测方法及系统。
背景技术:
1、随着城市轨道交通网络规模持续扩大,站点密度不断提高,各站点在吸引客流方面存在此消彼长的相互影响关系。科学评估各站点的客流竞争优势,对于轨道线网规划、站点服务提升及城市土地利用开发具有重要决策价值。
2、现有技术中,围绕站点客流吸引力或交通方式分担率的评估已形成多类方法。一类是基于统计评价的传统方法,如层次分析法、熵权法、多元线性回归等,此类方法依赖于预先设定的评价指标体系和权重系数,评估结果受主观因素影响较大,且难以处理指标间的非线性关系。另一类是基于空间相互作用模型的方法,如各类引力模型,此类方法采用固定的距离衰减函数来量化站点间的空间关系,其函数形式及参数取值多为经验设定,难以适应不同城市、不同区域的实际差异。
技术实现思路
1、为了克服现有技术的不足,本发明提供一种地铁站点客流优势预测方法及系统,以解决现有技术中的问题。
2、为实现以上目的,本发明提供如下技术方案:
3、一种地铁站点客流优势预测方法,包括:
4、获取轨道交通网络的拓扑结构和各站点的属性数据,构建表征站点间连通关系的图结构,所述图结构中的节点对应于站点,边用于表征站点间的关联关系;
5、将所述图结构和所述属性数据输入特征提取网络,提取各站点的初始竞争效用值;
6、针对每一目标站点,执行以下竞争修正操作:
7、确定所述目标站点的竞争邻域,所述竞争邻域包含至少一个邻域站点;
8、获取各邻域站点分别对应于所述目标站点的竞争影响参数,所述竞争影响参数用于表征邻域站点对所述目标站点产生的竞争抑制强度;
9、按照预设顺序排列各邻域站点,并以所述初始竞争效用值为初始基数,按照所述预设顺序对各邻域站点依次执行级联修正,其中,基于当前邻域站点的竞争影响参数修正当前基数,得到的结果作为下一邻域站点修正处理的新基数,直至遍历所述竞争邻域后输出修正竞争效用值;
10、根据所述修正竞争效用值,生成所述目标站点的客流竞争优势预测结果。
11、在其中一个实施例中,所述级联修正为乘积式衰减;
12、所述基于当前邻域站点的竞争影响参数修正当前基数,包括:将当前基数乘以基于当前邻域站点的竞争影响参数所确定的子抑制因子。
13、在其中一个实施例中,所述竞争影响参数为差异化抑制权重;
14、所述子抑制因子与当前邻域站点的差异化抑制权重正相关,且与当前邻域站点的初始竞争效用值正相关;
15、所述修正竞争效用值等于所述初始竞争效用值与各邻域站点对应的子抑制因子的连乘积。
16、在其中一个实施例中,所述竞争影响参数由可学习映射网络根据所述目标站点与各邻域站点之间的空间距离和出行交互量生成;
17、所述特征提取网络的参数与所述可学习映射网络的参数在统一目标函数下联动优化。
18、在其中一个实施例中,所述预设顺序为各邻域站点与所述目标站点之间的空间距离由近及远的顺序。
19、在其中一个实施例中,所述竞争邻域根据以下任一方式确定:
20、基于空间距离约束,将以目标站点为中心、预设空间距离为半径所覆盖的其他站点纳入所述竞争邻域;或,
21、基于拓扑距离约束,将目标站点在所述图结构中最短路径跳数不超过预设跳数的其他站点纳入所述竞争邻域;或,
22、基于客流关联强度约束,将历史客流交互量超过预设阈值的其他站点纳入所述竞争邻域。
23、在其中一个实施例中,构建表征站点间连通关系的图结构,包括:
24、根据历史客流数据,若任意两站点间的客流交互量超过预设阈值,则在所述两站点之间建立虚拟边,作为站点间的关联关系之一。
25、在其中一个实施例中,所述特征提取网络为图神经网络,包含时序卷积层与空间注意力层;
26、所述时序卷积层用于对各站点的属性数据进行时序特征提取;
27、所述空间注意力层用于依据所述图结构进行空间特征聚合。
28、在其中一个实施例中,根据所述修正竞争效用值生成客流竞争优势预测结果,包括:
29、将所述修正竞争效用值映射为选择概率,所述选择概率为所述修正竞争效用值的函数值与基准效用项的函数值的比值,所述基准效用项表征替代出行方式的效用水平。
30、一种地铁站点客流优势预测系统,包括:
31、数据获取模块,用于获取轨道交通网络的拓扑结构及各站点的属性数据,构建表征站点间连通关系的图结构;
32、特征提取模块,内置特征提取网络,用于根据所述图结构和所述属性数据提取各站点的初始竞争效用值;
33、竞争修正模块,用于确定各站点的竞争邻域,获取竞争影响参数,并按照预设顺序以级联修正方式修正所述初始竞争效用值,输出修正竞争效用值;
34、结果生成模块,用于根据所述修正竞争效用值生成各站点的客流竞争优势预测结果。
35、与现有的技术相比,本发明具有的有益效果为:
36、本发明通过构建图结构融合物理连接与客流功能关联,使模型能够同时捕获轨道交通网络的拓扑约束和跨线路的客流交互影响。在此基础上,采用时序卷积与空间注意力交替堆叠的网络结构,充分挖掘站点属性在时间维度上的动态演变规律和在空间维度上的依赖关系,使提取的初始竞争效用值更加准确地反映站点的内在吸引力。
37、本发明采用乘积式级联衰减机制,距离越近、客流交互越频繁的邻域站点对目标站点产生更强的抑制效应。修正后的竞争效用值进一步映射为选择概率,该概率可直接解读为轨道交通在机动化出行中的预期分担率。规划决策者不仅能够获得各站点的竞争力数值,还能够追溯每一站点的竞争力受到哪些邻域站点的何种程度影响,便于识别客流争夺的关键节点和热点区域,为线网优化和站点功能定位提供可追溯的分析依据。
1.一种地铁站点客流优势预测方法,其特征在于,包括:
2.根据权利要求1所述的一种地铁站点客流优势预测方法,其特征在于,
3.根据权利要求2所述的一种地铁站点客流优势预测方法,其特征在于,
4.根据权利要求2所述的一种地铁站点客流优势预测方法,其特征在于,
5.根据权利要求1所述的一种地铁站点客流优势预测方法,其特征在于,
6.根据权利要求1所述的一种地铁站点客流优势预测方法,其特征在于,所述竞争邻域根据以下任一方式确定:
7.根据权利要求1所述的一种地铁站点客流优势预测方法,其特征在于,构建表征站点间连通关系的图结构,包括:
8.根据权利要求1所述的一种地铁站点客流优势预测方法,其特征在于,
9.根据权利要求1所述的一种地铁站点客流优势预测方法,其特征在于,根据所述修正竞争效用值生成客流竞争优势预测结果,包括:
10.一种地铁站点客流优势预测系统,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com