买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明公开了一种基于两阶段聚类的地铁站点特性挖掘方法，基于最优簇数K2，采用FCM算法对地铁站点客流量矩阵进行第二步聚类，得到基于地铁站点客流量矩阵的聚类结果作为时间特性；基于地铁客流量级的聚类结果和基于地铁站点客流量矩阵的聚类结果对地铁站点归类，采用维诺图修正地铁站点服务范围，采用0‑1回归方法，获取不同类型站点的空间特性。本发明结合FCM算法，从客流量级、客流量时间分布规律两个角度对地铁站点进行聚类，使用维诺图修正了地铁站点的服务范围，设计了0‑1回归模型，能够更加精确的帮助公共交通运营企业归类地铁站点，为不同类型站点的运营管理提供决策支持，为地铁站点周边设施建设和土地利用提供理论依据。

主权项：1.一种基于两阶段聚类的地铁站点特性挖掘方法，其特征在于，包括以下步骤：步骤1：获取地铁站点刷卡数据，统计地铁站点客流量的时间分布，确定有效聚类时段；步骤2：计算地铁站点在有效聚类时段内的各时段的日均进站客流量、日均出站客流量，得到地铁站点客流量矩阵、地铁站点总客流对数向量；步骤3：对地铁站点总客流对数向量使用FCM算法，利用肘部法则得到第一步聚类的最优簇数K1；步骤4：基于最优簇数K1，采用FCM算法对各地铁站点总客流对数向量进行第一步聚类，得到基于地铁客流量级的聚类结果；步骤5：对地铁站点客流量矩阵使用FCM算法，利用肘部法则并计算轮廓系数评价聚类效果得到第二步聚类的最优簇数K2；步骤6：基于最优簇数K2，采用FCM算法对地铁站点客流量矩阵进行第二步聚类，得到基于地铁站点客流量矩阵的聚类结果作为时间特性；步骤7：基于地铁客流量级的聚类结果和基于地铁站点客流量矩阵的聚类结果对地铁站点归类，采用维诺图修正地铁站点服务范围，采用0-1回归方法，获取不同类型站点的空间特性；所述步骤7，具体包括：步骤7.1：记地铁站点集合为P＝[p1,p2,…pi,…pI]，其中，pi表示第i个地铁站点，基于地铁站点的坐标，将地铁站点服务半径r划分为内层0＜r≤λ1，外层λ1＜r≤λ2，λ1是第一半径阈值，λ2是第二半径阈值，将内层与外层合并为地铁站点pi的服务范围Ωi；步骤7.2：基于地铁站点的坐标，构建区域的维诺图Vvor；步骤7.3：计算地铁站点服务范围与区域维诺图交集，得到地铁站点基于维诺图的服务范围 其中，内的任意地理点p满足： 根据服务范围获取地铁站点服务范围与区域维诺图的相交边界；当相交边界与地铁站点之间距离小于等于λ1时，Ωi内层边界与相交边界共同包围的区域作为的内层区域，Ωi的内层边界和外层边界与相交边界共同包围的区域作为的外层区域；当相交边界与地铁站点之间距离大于λ1时，Ωi的内层区域作为的内层区域，Ωi的内层边界和外层边界与相交边界共同包围的区域作为的外层区域；当不存在相交边界时，Ωi的内层区域作为的内层区域，Ωi的外层区域作为的外层区域；统计的内、外层范围内居住人口密度、工作人口密度、工作型POI密度、商业型POI密度、餐饮型POI密度、科教文卫型POI密度；步骤7.4：基于地铁客流量级的聚类结果和基于地铁站点客流量矩阵的聚类结果，采用0-1回归方法，进行回归分析，获取不同类型站点的空间特性，具体包括：a记第一步、第二步聚类结果分别为将两阶段聚类结果两两组合，则有b以内层范围内居住人口密度、工作人口密度、工作型POI密度、商业型POI密度、餐饮型POI密度、科教文卫型POI密度作为自变量以外层范围内居住人口密度、工作人口密度、工作型POI密度、商业型POI密度、餐饮型POI密度、科教文卫型POI密度作为自变量c基于对每一类聚类结果VmPn进行回归分析，设定属于VmPn的地铁站点对应的因变量为1，不属于VmPn的地铁站点对应的因变量为0，回归模型为： 其中，i为地铁站点，Zij代表地铁站点i的第j个自变量，βj为自变量j的系数，β0为截距，εi为随机误差；d分别将各地铁站点自变量自变量代入回归模型，求出内层的和外层的当大于0，对应的内层的自变量产生正向促进作用，当小于0，对应的内层的自变量产生反向抑制作用，当大于0，对应的外层的自变量产生正向促进作用，当小于0，对应的外层的自变量产生反向抑制作用；将自变量产生的正向促进作用和反向抑制作用作为空间特性。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于两阶段聚类的地铁站点特性挖掘方法