基于大数据的城市轨道交通出行站外OD位置点识别方法研究

城市轨道交通客流出行特征分析是制定线网规划方案和诊断轨道交通运营组织问题的重要依据,为解决传统城市轨道交通站外OD点识别算法参数设置较主观、识别精度较低、普适性与抗干扰性较弱等问题,研究以时空密度聚类算法为基础,融合遗传算法优化聚类算法参数,构建个体城市轨道交通出行站外OD位置点识别方法。识别过程中,根据志愿者信令数据、出行日志数据与GPS数据,结合遗传算法,标定时空密度聚类算法中聚类半径阈值EPS、聚类时间阈值?T等参数最优值;以此为基础,构建时空密度聚类算法,高效识别轨道出行站外OD。结果表明,通过比较志愿者实际出行日志、GPS等数据,志愿者出行站外OD位置点识别平均误差为633.75 m,算法精度可以满足实际需求。