【技术实现步骤摘要】
本专利技术属于公共交通设施规划，尤其涉及一种基于分类多指标的城际铁路车站低客流原因识别方法。
技术介绍
1、随着我国城市化进程的快速推进，城市群内不同城市之间的联系不断加强，多条城际铁路投入运营进一步加速了城市群内不同城市之间技术、信息、人才等要素的流动。城际铁路是专门服务于相邻城市间或城市群、旅客列车设计速度200km/h及以下的快速、便捷、高密度客运专线铁路。城际铁路在提供城市之间高效运输服务的同时，也面临着与同通道内其他轨道交通方式(高铁、跨市地铁)和道路交通方式(大巴、小汽车等)的激烈竞争。从目前已运营线路的客流情况来看，城际铁路的客流极化现象较为严重，除小部分线路客流效益较好外，多条线路面临客流量低、运营亏损严重的问题，亟需从规划、运营等角度采取客流提升策略，提升城际铁路客运量。
2、既有关于轨道交通客流问题的研究中，对城市轨道交通客流规律的研究较多，对城际铁路的研究相对较少。两者的客流特征存在较大差异，城际铁路的服务对象一般以跨市客流为主，与城市轨道交通系统相比，其乘客运距较长，站间距一般较大，车站服务范围更广，客运量与站点交通接驳及线路自身服务水平的关系更加密切。城际铁路客流提升需从站点和线路两个层面考虑，首先需要分析低客流原因，以便针对不同车站采取不同的客流提升策略。既有研究关于城际铁路车站低客流原因的量化分析较少，对城际铁路客流规律的研究还相对薄弱，近年来随着城际铁路运营线路的增多，运营数据也更加丰富，具备了对城际铁路客流作进一步深化研究的条件。
技术实现思路p>
1、针对上述问题，本专利技术提出一种基于分类多指标的城际铁路车站低客流原因识别方法，分别从车站需求角度和线路竞争力角度建立车站客流潜力指标体系，通过聚类分析方法实现对不同车站的低客流原因分类识别，可为下一步城际铁路客流提升策略的研究作铺垫。
2、本专利技术的技术方案如下：
3、一种基于分类多指标的城际铁路车站低客流原因识别方法，包括如下步骤：
4、s1：基于城际铁路既有运营数据和手机信令数据，收集各车站日均进出站量数据、计算各车站周边全日出行产生量，并采用自然间断点法筛选低客流车站；
5、s2：针对站点周边有一定出行规模但客流较低的车站，从车站需求和线路竞争力两个角度建立城际铁路车站客流潜力指标模型，采用critic赋权法对指标模型赋权，并计算每个车站的车站需求综合评价指标和线路竞争力综合评价指标；
6、s3：采用k-means聚类方法将所有车站分为四类，根据分类结果判别各车站的低客流原因。
7、优选地，步骤s1具体如下：
8、s11：对于城际铁路车站集合n，获取各车站日均进出站量数据，并根据手机信令数据计算各车站周边全日出行产生量，所述车站周边为车站四周3000米半径覆盖范围；
9、s12：采用自然间断点法，将车站依据日均进出站量分为高、中高、中低和低四类，分别对应站点集合和将车站依据车站周边全日出行产生量分为高、中高、中低和低四类，分别对应站点集合和具体如下：
10、step 1:确定分类数量k1＝4；
11、step 2:将车站日均进出站量或车站周边全日出行产生量从小到大排列，选取k1-1个间断点将数据划分为k1类，共有种分类方案，其中|n|为城际铁路车站集合n的元素个数，即城际铁路车站总数；
12、step 3:遍历每一个分类方案，计算其类总平方差之和sdcm，即
13、
14、式中，k1为分组数，mi为第i个分组的元素个数，vij为第i个分组中的第j个元素，为第i个分组中各元素的平均值；
15、step 4:选取sdcm值最小的分类方案，即为自然间断点法所求得的最佳分类方案；
16、step 5:根据车站日均进出站量和车站周边全日出行产生量两组数据的分类结果，筛选低需求、低客流和高中需求、低客流两类车站；其中，低需求、低客流车站集合为高中需求、低客流车站集合为
17、优选地，步骤s2具体如下：
18、s21：对步骤s12中筛选出的高中需求、低客流车站集合n2，定义城际铁路车站客流潜力指标模型；所述指标模型包括车站需求指标c1和线路竞争力指标c2；
19、所述车站需求指标c1＝{x11,x12,x13,x14}，包括车站周边跨沿线城市出行产生量x11、车站周边沿城际线路走廊内出行产生量x12、公共交通45min时间范围内覆盖人口就业总量x13和小汽车30min时间范围内覆盖人口就业总量x14；
20、所述线路竞争力指标c2＝{x21,x22,x23,x24}，包括城际铁路设计速度x21、车站全日到发班次数x22、票价对比系数x23、接驳地铁线路数量x24；
21、s22：采用critic赋权法对指标模型赋权，具体步骤为：
22、step1:对各指标取值进行无量纲处理，采用最大/最小值归一化方法，对于指标x(x∈c1∪c2)，若其为正向指标，所述正向指标包括x11、x12、x13、x14、x21、x22、x24，则其第i个样本的指标取值x(i)经归一化后为：
23、
24、式中，x(i)′为归一化后指标，max(x)、min(x)分别表示各样本中指标x的最大值和最小值；若指标x为负向指标，所述负向指标为x23，则其第i个样本的指标取值x(i)经归一化后为：
25、
26、step2:计算各指标变异系数；变异系数定义为各样本取值的标准差与平均数的比值，对于指标x(x∈c1∪c2)，其变异系数计算公式为：
27、
28、式中，为指标x的变异系数，σx为指标x各样本取值的标准差，为指标x各样本取值的平均值；
29、step3:分别计算车站需求指标c1和线路竞争力指标c2中各指标的独立性系数；对于指标x,y∈{x11,x12,x13,x14}或x,y∈{x21,x22,x23,x24}且x和y为不同指标，两者的相关系数为：
30、
31、式中，rxy为指标x和指标y的相关系数，n为车站样本数量，∑xy、∑x、∑y、∑x2、∑y2分别表示指标x,y各样本取值乘积的和、指标x样本取值之和、指标y样本取值之和、指标x样本取值的平方之和、指标y样本取值的平方之和；
32、车站需求指标c1中指标x(x∈{x11,x12,x13,x14})的独立性系数为
33、
34、线路竞争力指标c2中指标x(x∈{x21,x22,x23,x24})的独立性系数为
35、
36、step4:计算车站需求综合评价指标c1和线路竞争力综合评价指标c2；
37、计算指标x的客观权重系数wx为：
38、
39、计算车站需求综合评价指标c1为：
40、c1＝w11x11+w12x12+w13x13+w14x14<本文档来自技高网...
【技术保护点】
1.一种基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，步骤S1具体如下：
3.根据权利要求2所述的基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，步骤S2具体如下：
4.根据权利要求3所述的基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，步骤S3中，应用k-means聚类法将高中需求、低客流车站集合N2中的元素依据车站需求综合评价指标c1和线路竞争力综合评价指标c2的取值划分为k2＝4类，根据分类结果判别各车站的低客流原因，具体步骤为：
5.根据权利要求4所述的基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，步骤S36具体如下：
【技术特征摘要】
1.一种基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，步骤s1具体如下：
3.根据权利要求2所述的基于分类多指标的城际铁路车站低客流原因识别方法，其特征在于，步骤s2具体如下：
4.根据权利要求3所述的基于分类多指标...
【专利技术属性】
技术研发人员：彭磊，马小毅，孙元广，王晓潮，徐士伟，唐清，宋嘉雯，金安，邓澄远，刘明敏，
申请(专利权)人：广州地铁设计研究院股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。