已有城市轨道交通车站分类多基于定性分析,不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先,将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据,并基于K-Means++...已有城市轨道交通车站分类多基于定性分析,不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先,将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据,并基于K-Means++算法对各个站点的客流量进行聚类;其次,建立客流量聚类结果与土地利用特征多维参数的拟合方程,计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上,充分考虑属于同一大类站点不同站点的细分特性,使用5类客流量公共特征比重组合精细描述具体站点类型。实例结果表明,使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内,说明该分类方法具有可行性。展开更多
文摘已有城市轨道交通车站分类多基于定性分析,不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先,将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据,并基于K-Means++算法对各个站点的客流量进行聚类;其次,建立客流量聚类结果与土地利用特征多维参数的拟合方程,计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上,充分考虑属于同一大类站点不同站点的细分特性,使用5类客流量公共特征比重组合精细描述具体站点类型。实例结果表明,使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内,说明该分类方法具有可行性。
