[发明专利]基于数据挖掘和神经网络的轨道交通清分方法

权利要求书

1.一种基于数据挖掘和神经网络的轨道交通清分方法，其特征在于，包括步骤：

S1、建立数字交通调查表，所述调查表中包含乘客信息、乘客出行信息以及轨道线网运营信息；

S2、在需要清分的轨道线网未形成时，将所得到的乘客出行调查数据输入到数据库；在所述轨道线网运营后统计乘客在OD的客流数据，并将所述客流数据存储到数据库；

S3、通过数据挖掘对所述数字交通调查表的内容进行分类聚合，再利用模糊一致性的输入选择模型筛选出清分的因素；

S4、对分类后的数字交通调查表进行分析处理得到乘客的出行特征，所述出行特征组成出行特征结论表，并将所述出行特征写入数据库，所述出行特征包括乘客的出行时间、换乘次数；

S5、将轨道线网的相关运营参数写入数据库，作为清分的基础数据；

S6、根据所述出行特征结论表查找OD点间的有效路径；

S7、对所述轨道线网中的运营线路按分期进行清分；

S8、根据出行特征结论表利用反馈型神经网络模型和LOGIT模型对客流进行清分；其中使用出行特征结论表的参数作为输入层，隐藏层进行加权求和，采用LOGIT模型作为变换函数进行输出。

2.如权利要求1所述的方法，其特征在于，所述乘客信息包括乘客的性别、年龄和职业；所述乘客出行信息包括乘客的出行时间、出行距离、出行目的、出行时段和出行日期；所述轨道线网运营信息包括运营时间和票价。

3.如权利要求1所述的方法，其特征在于，所述有效路径在有效路径集中，在乘客允许的最大换乘次数和出行总时间范围内的OD点路径组成所述有效路径集。

4.如权利要求1或2或3所述的方法，其特征在于，步骤S8具体为：以出行特征结论表的参数作为输入层建立四层隐藏层，并对隐蔽层进行加权求和；以LOGIT模型得出的路径选择概率作为输出层；以每天的OD点客流分布数据作为自学习的样本，得出各输入层的权重；基于得出的权重计算出各有效路径的选择概率。