提出1种融合乘客个体出行特征及站点土地利用特征识别地铁站点功能的方法。首先,借助AFC(Automatic Fare Collection)数据提取乘客个体出行指标,通过K-means++方法对乘客出行类型进行聚类并识别,将其全天分布特征作为乘客个体出行数据;...提出1种融合乘客个体出行特征及站点土地利用特征识别地铁站点功能的方法。首先,借助AFC(Automatic Fare Collection)数据提取乘客个体出行指标,通过K-means++方法对乘客出行类型进行聚类并识别,将其全天分布特征作为乘客个体出行数据;之后,利用站域POI(Point of Interest)数据表征站点周边土地利用特性,对上述两类数据进行特征提取得到乘客出行特征及站点土地利用特征,并将两类特征合并为站点功能向量;最后,基于功能向量对站点聚类,将北京地铁站点分为6类,分别是弱居住主导型车站、就业主导型车站、旅游及休闲车站、居住主导型车站、职住结合型车站、弱就业主导型车站。站点聚类结果与实际情况较为吻合,验证了本文所提方法的有效性,其结果能为不同用地类别站点周边发展规划提供针对性参考。展开更多
文摘提出1种融合乘客个体出行特征及站点土地利用特征识别地铁站点功能的方法。首先,借助AFC(Automatic Fare Collection)数据提取乘客个体出行指标,通过K-means++方法对乘客出行类型进行聚类并识别,将其全天分布特征作为乘客个体出行数据;之后,利用站域POI(Point of Interest)数据表征站点周边土地利用特性,对上述两类数据进行特征提取得到乘客出行特征及站点土地利用特征,并将两类特征合并为站点功能向量;最后,基于功能向量对站点聚类,将北京地铁站点分为6类,分别是弱居住主导型车站、就业主导型车站、旅游及休闲车站、居住主导型车站、职住结合型车站、弱就业主导型车站。站点聚类结果与实际情况较为吻合,验证了本文所提方法的有效性,其结果能为不同用地类别站点周边发展规划提供针对性参考。