[发明专利]一种基于机器学习的公交干线网生成方法

权利要求书

1.一种基于机器学习的公交干线网生成方法，其特征在于，包括以下步骤：

S1、采集选定范围中影响公交线网结构的空间异质性的动静态数据，分析得到选定范围的公交线网结构现状的基本情况；

S2、根据选定范围的公交线网结构的空间异质性特征，将公交线网覆盖区域栅格化，并将步骤S1采集的数据整合至栅格层面，得到栅格属性数据；

S3、将公交线网结构现状的数据和S2中的栅格属性数据作为输入层，利用多层卷积神经网络模型，将相邻栅格间联系强度、中长距离栅格间联系强度作为因变量，建立机器学习模型；

S4、利用选定范围已有的公交数据训练机器学习模型，生成公交干线网；

所述多层卷积神经网络包括：输入层、卷积层、池化层、全连接层、Dropout层；

所述S4具体包括：

S41、将选定范围的原有干线网连接规则作为学习目标，分为短距离栅格间连接、中长距离栅格间连接两个层次；

S42、基于以下两点基础原则训练机器学习模型：

1)以长距离间栅格强联系确定线路主要延伸方向；

2)以相邻栅格间联系强度确定相邻站点的方位；

S43、生成公交干线网。

2.根据权利要求1所述的一种基于机器学习的公交干线网生成方法，其特征在于，所述S1中影响公交线网结构的空间异质性的动静态数据包括：城市空间结构类数据、建成环境类数据、活动需求类数据、道路条件类数据和交通条件类数据。

3.根据权利要求1所述的一种基于机器学习的公交干线网生成方法，其特征在于，所述S2中根据选定范围的公交线网结构的空间异质性特征，将公交线网覆盖区域栅格化的过程具体包括：

基于包括公交站点分布、站间距取值、公交乘客平均乘距在内的数据，在选定范围中的不同区域，结合公交线网结构的空间异质性特征将空间划分为不同尺寸的栅格，并将栅格质心点作为干线网生成的备选站点。

4.根据权利要求1所述的一种基于机器学习的公交干线网生成方法，其特征在于，所述S2中栅格属性数据包括：建成环境属性、空间结构属性、道路条件属性、交通属性和人群活动属性。

5.根据权利要求1所述的一种基于机器学习的公交干线网生成方法，其特征在于，所述多层卷积神经网络设置至少两个卷积层进行卷积操作，第一个卷积层提取的是数据的低阶特征，第二个卷积层提取更高阶的特征。

6.根据权利要求1所述的一种基于机器学习的公交干线网生成方法，其特征在于，所述输入层中将栅格属性数据整理后得到的一维特征数据重塑为a行b列c深度的三维矩阵，其中c是通道数，a、b、c的乘积大小等于原始特征数量。