[发明专利]一种基于多网融合的智能微枢纽

权利要求书

1.一种基于多网融合的智能微枢纽，其特征在于，对轨道交通、沿线公交、出租汽车、共享单车方式进行整合，形成城市公共交通微枢纽，通过建立微枢纽信息中心，对公交运营数据、出租汽车运营数据和共享单车投放数据进行信息分析处理，向用户提供换乘信息，同时向公交平台、出租汽车平台和共享单车平台提供用户换乘信息，供运营方进行运能调整，

所述微枢纽信息中心 查询公交、出租汽车和共享单车的实时信息，并根据共享单车平台的实时信息估算用户成功预约网约车的可能性，由用户选择不同的换乘模式，根据用户的出站情况更新微枢纽信息中心数据库，利用数据库内的历史数据，根据统计算法估算各换乘方式的人员分布，并将估算数据提供给运营方以进行运营调度优化；

轨交换乘公交的统计算法采用样本分布算法为核心，根据微枢纽信息中心中选择换乘公交的人员信息以及沿线各路公交的刷卡信息，通过样本分布算法统计后提供给公交运营方进行方案优化；用户通过微枢纽信息中心，查询公交实时信息，用户根据公交实时信息以及其他换乘信息进行决策，用户通过自动售票检票系统出站后，记录该用户数据并更新该微枢纽信息中心数据库，换乘公交的用户到达公交站后，根据公交车上车的刷卡数据和APP上选择出租车的用户决策数据，通过样本分布算法，估算沿线各公交车在不同时间段的换乘需求分布，提供给公交平台数据中心，由公交平台优化运营方案；

轨交换乘出租汽车的统计算法采用泊松算法为核心，根据微枢纽信息中心数据库数据，基于泊松分布，估算换乘出租汽车人员分布，提供给出租汽车平台，供出租车司机决策，并根据出租车司机决策的结果更新到达出租汽车实时停靠情况；用户通过微枢纽信息中心，查询到达站的出租汽车实时停靠情况，用户根据到达站的出租汽车实时停靠情况和其他换乘信息进行决策，用户通过自动售票检票系统出站后，记录该用户数据并更新该微枢纽站信息中心数据库，与此同时，根据微枢纽站信息中心数据库的数据，通过泊松算法估算换乘出租汽车的换乘需求，发送给出租汽车平台，供出租车司机进行是否停靠的决策，如出租车司机作出停靠决策，则更新到达站的出租汽车实时停靠情况；

轨交换乘共享单车的统计算法采用二项分布算法为核心，根据微枢纽信息中心数据库数据，基于二项分布，提供用户成功预约网约车的可能性，并将其同时提供给用户和共享单车平台；用户通过微枢纽信息中心，查询共享单车实时供应情况，以及共享单车预约成功可能性，用户根据以上信息和其他换乘信息进行决策，如选择网约车，则用户进行共享单车预约并选择具体位置，如预约不成功则选择其他换乘方式，用户通过自动售票检票系统出站后，记录该用户数据并更新该微枢纽站信息中心数据库，同时，根据微枢纽站信息中心数据库的数据，基于二项分布算法估算共享单车预约成功可能性，提供给微枢纽信息中心供用户查询，同时可提供给共享单车平台，供共享单车平台调整其投放量并优化投放布局。

2.如权利要求1所述的智能微枢纽，其特征在于，所述公交、出租汽车和共享单车的实时信息包括公交实时停靠时间，到达出租汽车实时停靠情况，以及共享单车实时供应情况。

3.如权利要求1所述的智能微枢纽，其特征在于，所述交通微枢纽分为直线式和港湾式两类：直线式即出租车站和公交车站设置在慢车道上，利用非机动车道空间进行设置；港湾式即人行道内设置凹陷部，用于设置出租车站和公交车站，或者人行道局部向外凸出，沿凸出部设置出租车站和公交车站。

4.如权利要求1所述的智能微枢纽，其特征在于，随着相关算法的初步建立与运行，微枢纽信息系统基于不同转乘方式模型得出判断结果数据、用户各种行为记录所创造各项相关数据将持续累积并丰富；

随着样本数据总量持续增加以及用户创造各项行为数据种类的稳定、积累与丰富，基于此大样本建立机器学习-深度学习模型，将各不同算法的判断结果与实际结果相结合筛选出结果一致的组合作为目标函数训练集，从用户行为记录数据中选取相关数据类别作为标签函数训练集，确定初始影响权重，以初步损失函数为基础确立学习步伐，利用梯度下降法为主的数学算法为核心，进行数据训练，对于初步损失函数结果，机器学习系统将根据所有标签函数重新调整权重，直至形成持续收敛来进一步完善模型；

新创造的数据将按5成比例各分配为训练集与验证集，以使机器学习模型能够避免常规错误而高效工作，创建出各自对应的E类智能微枢纽为基础的公交，出租，共享单车转乘模式的机器学习模型。