一种基于Weighted-LeaderRank和GMM聚类的站点选址预测方法

    公开(公告)号:CN113850295B

    公开(公告)日:2024-04-02

    申请号:CN202110992718.3

    申请日:2021-08-27

    Abstract: 本发明公开了一种基于Weighted‑LeaderRank和GMM聚类的站点选址预测方法,通过地铁站打卡数据与出租车OD数据预测未来地铁线路以及对通过排序后的站点,选取最具代表性的几个地铁站,预测其未来周边站点选址位置。本发明将已建成地铁站点,站与站之间的客流量的关系转换成带权的有向图,然后基于该带权的有向图计算每个节点的Weighted‑LeaderRank值;筛选出处于地铁站点覆盖范围之外的出租车OD数据,对其数据进行GMM聚类,得到聚类结果即未来城市总体新建地铁站点的预测位置。通过提出一种模型评价方法,对模型设置不同的参数并对结果进行对比,最后得到最优的模型,并将其应用于预测代表性地铁站周边新建站点的位置。

    一种基于Weighted-LeaderRank和GMM聚类的站点选址预测方法

    公开(公告)号:CN113850295A

    公开(公告)日:2021-12-28

    申请号:CN202110992718.3

    申请日:2021-08-27

    Abstract: 本发明公开了一种基于Weighted‑LeaderRank和GMM聚类的站点选址预测方法,通过地铁站打卡数据与出租车OD数据预测未来地铁线路以及对通过排序后的站点,选取最具代表性的几个地铁站,预测其未来周边站点选址位置。本发明将已建成地铁站点,站与站之间的客流量的关系转换成带权的有向图,然后基于该带权的有向图计算每个节点的Weighted‑LeaderRank值;筛选出处于地铁站点覆盖范围之外的出租车OD数据,对其数据进行GMM聚类,得到聚类结果即未来城市总体新建地铁站点的预测位置。通过提出一种模型评价方法,对模型设置不同的参数并对结果进行对比,最后得到最优的模型,并将其应用于预测代表性地铁站周边新建站点的位置。

Patent Agency Ranking