多源数据融合的山地轨道交通站点分类研究

摘要

为探究山地轨道交通车站客流波动变化特征，利用自动售检票(AFC)数据、兴趣点(POI)数据、路网拓扑结构及车站周边信息，提出考虑山地特征的轨道交通车站类型辨识方法。首先，基于AFC数据和POI数据，采用肘部分析法确定合理的聚类数量，利用K-means聚类法将车站分为3大类；其次，利用路网拓扑数据和车站周边的公-轨数据进行二次聚类，最终将车站分为6个子类：综合类山地型站点、综合类非山地型站点、就业类山地型站点、就业类非山地型站点、居住类山地型站点、居住类非山地型站点。分类结果显示，综合类非山地型相对综合类山地型地势平缓，居民活动聚集性特征明显；居住类山地型与居住类非山地型相比，路网密度较小、受地势影响较大、土地开发程度低；就业类非山地型与就业类山地型相比，周边公交便捷程度高、乘客出行活跃，但停车场数量偏少。

关键词

车站分类 / 数据挖掘 / 城市轨道交通 / 多源数据 / 聚类