[发明专利]一种基于波动率的通勤出行模式识别方法

说明书

本发明涉及一种基于波动率的通勤出行模式识别方法，该方法首先进行城市区域划分，使用K‑means算法进行聚类，随机选择聚类中心，针对聚类数据集中的每个站点，计算每个站点到各个聚类中心点的影响距离，确定站点到哪个聚类中心的影响距离最小，就将站点划分到该聚类中心的类中，输出聚类中心和各个类中的所有站点；然后进行通勤出行模式识别，该步骤中引入客流波动率，计数大于阈值的波动率个数q，若q＝4且四个波动率峰值分别对应早高峰和晚高峰的起止时间点，那么这一对研究对象区域被识别为通勤出行模式。该方法可以准确识别通勤出行模式，从而提高站点客流预测的准确性，进而可有效给予拥堵或异常的预警。

技术领域

本发明涉及OD区域客流预测的LSTM网络数据预处理方法，特别涉及一种基于波动率的通勤出行模式识别方法。

背景技术

随着世界城市现代化进程的发展，以及城市内各种商圈的逐渐兴起与发展，使得城市经济不断繁荣，与此同时，城市居民数量也在迅速的增加，道路机动车的数量日益增长，为城市道路交通带来非常巨大的压力。由于固有的城市道路数量并不能跟的上城市居民的出行需求，导致城市道路拥堵状况愈发严重。而道路交通的拥堵严重制约城市经济发展，成为制约城市现代化发展的重要问题。由于近年来，城市内文化交流频繁，包括各种大型活动的举办，以及节假日导致的居民城市居民出行量在不断增加，非常容易造成短时间内客流的突发增长。城市居民生活质量不断提升，对出行的舒适度、便捷度要求也在不断增长。城市轨道交通以其方便、快捷、准时、客运量大的优点成为解决城市道路拥堵的重要交通工具之一。

现在重庆市居民的出行以轨道交通作为重要的出行方式，所以对于重庆市来说轨道交通已经成为城市交通的主动脉，成为缓解客流拥堵状况的重要方式。在重庆，每天有超过200万人的客流量进出城市轨道交通。城市轨道交通的网络化复杂程度不断增加，未来交通趋势分析越来越受到重视，基于区域OD客流预测的分析结果，我们可以制定交通运营计划，做出拥堵或异常的预警，来改善轨道交通的运营效率和服务质量，所以它已成为智能交通系统(ITS)的关键技术之一。

区域OD的客流预测以历史客流作为切入点进行研究，对城市轨道交通进行站点区域划分、区域客流出行模式进行识别，从而可以有效给予拥堵或异常的预警。

发明内容

针对现有技术存在的上述问题，本发明要解决的技术问题是：提供一种可以有效识别通勤出行模式的方法。

为解决上述技术问题，本发明采用如下技术方案：一种基于波动率的通勤出行模式识别方法，包括如下步骤：

S10:进行城市区域划分；

S11:通过城市现有的行政和功能区域划分规划区域划分聚类个数和聚类范围：取所有n个研究对象站点x作为聚类数据集Ω，Ω＝{x₁,x₂,x₃……x_n}；

将所有研究对象站点分别归类到k个站点区域集合Θ_i中，Θ_i＝{x_i,1,x_i,2,x_i,3……}，i∈{1,2,3,4…,k}；

S12:使用K-means算法进行聚类，随机选择聚类中心，针对聚类数据集Ω中的每个站点，计算每个站点到各个聚类中心点的影响距离确定站点x_i到哪个聚类中心的影响距离最小，就将站点x_i划分到该聚类中心的类中，输出聚类中心和各个类中的所有站点；

S20:通勤出行模式识别；

S21:每个聚类中心和该聚类中心的所有站点构成一个研究对象区域，两个研究对象区域组成的一组研究对象区域；