[发明专利]一种综合考虑网络连通度与通勤需求下公交网络优化方法

权利要求书

1.一种综合考虑网络连通度与通勤需求下公交网络优化方法，其特征在于：包括以下步骤：

步骤一、获取车辆定位数据，将每一次运送乘客的路线所产生的定位数据组成一条轨迹数据；

步骤二、将收集到的所有轨迹数据映射到实际的道路网络中；

步骤三、将轨迹集合输入给通过使用劳伊德算法扩展的K-paths对轨迹集进行聚类；从轨迹集中随机选择k条路径作为初始质心路径，为轨迹集中的剩下其他轨迹找到最近的质心路径，通过选择现有轨迹来更新每个聚类的质心路径，轨迹可最小化到聚类中所有其他轨迹的距离总和；

步骤四、基于所有的质心路径，计算出最大化通勤需求与网络连通度线性聚合值，并将线性聚合值下的质心路径所组成的新路径输出，得到一条新的公交线路。

2.根据权利要求1所述的一种综合考虑网络连通度与通勤需求下公交网络优化方法，其特征在于：步骤一中，车辆定位数据包括车辆ID、时间、车辆经纬度和载客情况。

3.根据权利要求1所述的一种综合考虑网络连通度与通勤需求下公交网络优化方法，其特征在于：步骤二中，对于有偏差的定位点，当作缺失值处理。

4.根据权利要求3所述的一种综合考虑网络连通度与通勤需求下公交网络优化方法，其特征在于：缺失值处理是将连续缺失五次以及以上的点，按照均值插补的方式进行填补；少于五次的点则是按照舍弃处理。

5.根据权利要求1所述的一种综合考虑网络连通度与通勤需求下公交网络优化方法，其特征在于：步骤三中，将处理好的数据集推送给模型，模型迭代计算每条轨迹距离最近的质心轨迹并将其分配，每迭代一轮都将重新计算质心轨迹。采用透视表、倒排索引以及图遍历算法来加速实现选择现有的轨迹作为质心轨迹。

6.根据权利要求5所述的一种综合考虑网络连通度与通勤需求下公交网络优化方法，其特征在于：模型训练具体为：对处理好的每条轨迹上的数据进行编码压缩，编码的方式采用增量编码的方式；将压缩后的数据推送进劳伊德算法上扩展的K-paths中进行迭代计算；对于待分配的轨迹与质心轨迹距离计算公式为：

EBD(T₁,T₂)＝max(|T₁|,|T₂|)-|T₁∩T₂|

其中，T₁,T₂表示两条轨迹；

每一轮迭代，需要保持到所有k-1簇的先前质心路径u′_j的下界距离lb(i，j)以及上界距离ub(i)；每次更新后，当前质心u_j和前一个质心u′_j在簇S_j之间的距离将被计算为质心漂移cd(j)；在计算轨迹和新质心路径之间的距离之前，根据三角形不等式用质心漂移更新存储的边界；其中：

lb(i,j)＝EBD(T_i,u_j')

ub(i)＝EBD(T_i,u_a'(i))

cd(j)＝EBD(u′_j,u_j)；

ua'(i)表示在上一次迭代中轨迹T_i被分配给的簇S的质心轨迹。

7.根据权利要求1所述的一种综合考虑网络连通度与通勤需求下公交网络优化方法，其特征在于：通勤需求与网络连通度线性聚合公式如下：

其中O_d(μ)表示对于路线μ与给定数据集中的轨迹所有公共边数量的和；O_λ(μ)表示对于路线μ的连通性增量，O_λ(μ)＝λ(G'_r)-λ(G_r)，λ(G'_r)表示G'_r交通网络的连通性，λ(G_r)表示G_r交通网络的连通性，G_r表示旧公交网络，G'_r表示由路线μ丰富的新公交网络；w表示权重，D表示给定公交网络的轨迹集合；d_max表示按通勤需求的降序排列的边列表中前k个值的和，λ_max表示按连通性增量的降序排列的边列表中前k个值的和。