[发明专利]基于数据挖掘和神经网络的轨道交通清分方法

摘要

本发明涉及轨道交通技术领域，公开了一种基于数据挖掘和神经网络的轨道交通清分方法，其根据数据挖掘进行出行信息进行分类聚合，再通过模糊一致性的输入选择模型筛选出清分参数、最后利用反馈型神经网络模型进行清分的步骤，实现了清分模型参数的动态选择和参数值的动态调整。本发明通过建立数字交通调查表，形成乘客出行特征规则表，同时基于数据挖掘得出重要影响因素及对应参数；利用乘客出行特征规则表进行OD站点有效路径的判断；利用反馈型神经网络模型建立清分模型，模型以乘客出行特征的重要影响因素作为神经元，基于每天的客流数据作为样本进行自适应学习，得出动态调整的参数权重值，从而得到能够动态调整的清分数据结果。

主权项

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。