(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111671486.8 (22)申请日 2021.12.31 (71)申请人 广东工业大 学 地址 510006 广东省广州市番禺区广州大 学城外环西路10 0号 (72)发明人 韩霜　严坤海　傅惠　王叶飞　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 戴晓琴 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/30(2012.01) G08G 1/01(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于多源交通数据的公交路网分区方法、 系 统、 设备和介质 (57)摘要 本发明公开了一种基于多源交通数据的公 交路网分区方法、 系统、 计算机设备和存储介质， 所述方法包括： 在研究区域内， 根据出租车GPS数 据和公交车进出站GPS数据， 计算公交车路段速 度； 其中包括对仅有出租车数据的路段， 采用神 经网络模型预测公交车路段速度； 根据所述公交 车路段速度， 实现公交路网分区； 对公交路网分 区得到的子区， 根据公交车进出站GPS数据以及 路网数据， 计算公交车路网交通参数， 从而得到 公交路网宏观基本图。 本发明提供的方法可将异 质公交路网进行同质性划分， 能够准确识别大规 模路网中公交系统在与外部环境交互作用下所 具有的运行规律， 为公交系统资源优化配置提供 决策依据。 权利要求书3页 说明书14页 附图8页 CN 114358416 A 2022.04.15 CN 114358416 A 1.一种基于多源交通数据的公交路网分区方法， 其特 征在于， 所述方法包括： 在研究区域 内， 根据出租车GPS数据和公交车进出站GPS数据， 计算公交车路段速度； 其 中包括对仅有出租车 数据的路段， 采用神经网络模型 预测公交车路段速度； 根据所述公交车路段速度和路段邻接关系， 实现公交路网分区； 对公交路网分区得到的子区， 根据公交车进出站GPS数据以及路网数据， 计算公交车路 网交通参数， 从而得到公交路网宏观基本图。 2.根据权利要求1所述的公交路网分区方法， 其特征在于， 所述对仅有出租车数据的路 段， 采用神经网络模型 预测公交车路段速度， 具体包括： 对所有同时有公交车进出站和出租车数据的路段： 对于任意路段i， 分别根据公交车进 出站GPS数据和出租车GPS数据， 计算路段i的公交车的路段速度和社会 车的路段速度； 对于 任意路段i， 以社会车路段速度和路段起/终点经纬度、 路段长度、 车道数、 有无公交车专用 道作为输入参数， 使用皮尔逊相关系 数描述所述输入参数与公交车路段速度间的相关性， 选择相关系 数绝对值大 的输入参数作为路段i的输入参数； 将所有路段的输入参数作为样 本集； 根据路段， 将 样本集划分为训练集和 测试集； 利用训练集对神经网络模型进行训练， 得到最终的预测模型； 对仅有出租车GPS数据的路段， 将该路段的输入参数输入最终的预测模型， 得到公交车 路段速度。 3.根据权利要求2所述的公交路网分区方法， 其特征在于， 所述利用训练集对神经网络 模型进行训练， 得到最终的预测模型， 具体包括： 对于训练集中的任意路段i， 以路段i的输入参数作为神经网络模型的输入数据； 对所述输入数据进行 数据归一 化； 将归一化的数据分别 输入所述神经网络模型中的循环神经网络和卷积神经网络， 分别 得到对应的路段i的预测公交车路段速度； 根据路段i的公交车路段速度和路段i的预测公交车路段速度， 采用均方根误差和平均 绝对误差计算出公交车路段速度预测误差， 将精度最高的神经网络模型作为最终的预测模 型。 4.根据权利要求1所述的公交路网分区方法， 其特征在于， 所述根据出租车GPS数据和 公交车进出站GP S数据， 计算公交车路段速度， 还 包括： 对有公交车进出站数据的路段， 结合公交车进出站GPS数据和公交线路的路网分布信 息， 计算公交车路段速度， 具体为： 利用公交线路在 路网的分布信 息和路网拓扑结构将路网中的道路细分为若干路段； 根 据路段上不同线路的公交车速度， 计算所述路段的公交车平均路段速度。 5.根据权利要求1所述的公交路网分区方法， 其特征在于， 所述根据所述公交车路段速 度和路段邻接关系， 实现公交路网分区， 具体包括： 根据路网中不同路段的邻 接关系以及所述公交车路段速度， 采用密度峰值聚类法和区 域生长法生成初始小区； 对所述初始小区进行合并， 得到合并子区； 对所述合并子区的边界进行调整， 从而实现公交路网分区。权　利　要　求　书 1/3 页 2 CN 114358416 A 26.根据权利要求5所述的公交路网分区方法， 其特征在于， 所述根据路网中不同路段的 邻接关系以及所述公交车路段速度， 采用密度峰值聚类法和区域生长法生成初始小区， 具 体包括： 计算任意路段i与其 他路段的曼哈顿距离之和Si， 并将Si降序排列； 对排序后的Si， 计算相邻两数间的差值， 差值最大处之前的所有Si对应的路段作为初始 小区中心； 若在差值 最大处之前有N个路段， 则意味着生成了N个初始小区； 选择任意初始小区中心， 识别与该小区内路段相邻的路段； 根据初始小区加入各邻接 路段之后的公交车速度方差和各邻接路段到小区中心的距离， 选取最优路段加入初始小 区； 重复此步骤， 直至所有路段全部聚类进入初始子区。 7.根据权利要求5所述的公交路网分区方法， 其特征在于， 所述对所述初始小区进行合 并， 得到合并子区， 具体包括： 设定分区数量为P， 在 保证初始小区间相互邻 接的前提下， 以合并子区公交车路段速度 总方差最小为目标， 采用遗传算法对所述初始小区进行合并， 得到合并子区； 所述采用遗传算法对所述初始小区进行合并， 得到合并子区， 具体包括： 染色体为1 ×N的向量， N为初始小区数量； 采用实数进行编码， 染色体每个基因位上的 数字代表该初始小区被划入的子区； 以小区间邻 接关系为依据， 随机将相邻小区合并为一个子区， 生成染色体； 对染色体进 行合法性检查， 只有子区内部连通且每个子区不为空的染色体才能成为合法染色体； 重复 此步骤直至生成初始种群； 采用轮盘赌原则随机选择一个染色体作为父代染色体， 基于子区的邻 接关系进行交叉 操作， 具体为： 针对选择出的父代染色体， 在可交叉的位置中随机选择两个基因位进行交 叉， 检查交叉后染色体的合法性， 只有合法的染色体才能进行 下一步操作； 采用轮盘赌原则随机选择一个染色体作为父代染色体， 基于子区的邻 接关系进行变异 操作， 具体为： 采用轮盘赌原则随机选择一个染色体， 随机选择变异点， 对染色体进行变异 并检查变异后染色体合法性； 重复此步骤， 直至变异后的染色体通过合法性检查； 用上一代种群中的最优染色体替代当前种群中的最差染色体； 若达到规定的迭代次数， 则得到P个合并子区； 否则， 返回采用轮盘赌原则随机选择一 个染色体作为父代染色体， 基于 子区的邻接关系进行交叉操作， 并执 行后续操作。 8.根据权利要求5所述的公交路网分区方法， 其特征在于， 所述对所述合并子区的边界 进行调整， 从而实现公交路网分区， 具体包括： 识别位于合并子区边界且与所述 合并子区仅有较少邻接路段的路段； 将所述路段划入与 所述合并子区相邻的合并子区， 若相邻的合并子区的公交路段速度 总方差降低， 则将所述路段调整 进入相邻合并子区； 返回识别位于合并子区边界且与 所述合并子区仅有较少邻 接路段的路段， 并执行后续 操作， 直至公交路段速度总方差不再 下降， 从而实现公交路网分区。 9.一种基于多源交通数据的公交路网分区系统， 其特 征在于， 所述系统包括： 公交车路段速度计算模块， 用于在研究区域内， 根据出租车GPS数据和公交车进出站 GPS数据， 计算公交车路段速度； 其中包括对仅有出租车数据的路段， 采用神经网络模型预 测公交车路段速度；权　利　要　求　书 2/3 页 3 CN 114358416 A 3