一种地铁-公交复合网络关键站点识别方法

1.本发明涉及一种地铁-公交复合网络关键站点识别方法，属于公共交通规划控制技术领域。


背景技术：

2.随着我国大中型城市的土地开发强度以及人口密度的日益增高，各大城市都在加快以地铁为主的城市轨道交通的规划和建设。积极推进以轨道交通为骨干、地面公交为主体的多模式公共交通体系。
3.在多模式公交系统中，地铁具有速度快、运量大、准点率高等特性，可以作为城市公共交通的骨架网络服务于居民中长线路的出行；常规公交具有覆盖面广、通达性高、出行成本低等特点，可以作为城市公共交通的主干网络服务于居民的中短距离出行；地铁网络与公交网络相融合所形成的复合网络在功能上相辅相成，极大地方便了城市居民的出行，提升了城市公共交通的整体服务水平。然而，随着地铁-公交复合网络规模的逐步扩大，交互逐渐增加，对其网络鲁棒性也提出了更高的要求。尤其是关键站点失效会极大影响复合网络的运输效率，甚至引发级联失效。因此，识别复合网络中的关键站点，不仅仅对指导线网规划、站点布局及运力配置具有重要意义，还可以为突发公共事件下的应急保障预案提供决策支持。
4.现有的关键站点识别方法主要存在三点问题：一是现有研究大多集中在对地铁或公交单一网络的研究，缺少对地铁与公交所构成的复合网络关键站点识别方法的研究。
5.二是现有研究大多停留在对无权网络拓扑特性的分析，没有考虑实际客流在网络中的空间异质性，因而导致识别的关键站点无法反映实际的客流规律。
6.三是现有研究大多假设网络为静态网络，没有考虑实际网络中客流的时间异质性，无法真实的反映实际网络的时变特性。
7.因此，本领域技术人员亟需从实际的客流角度出发，解决当前“复合-加权-时变”网络关键站点识别的技术问题。


技术实现要素：

8.目的：为了克服现有技术中存在的不足，本发明提供一种地铁-公交复合网络关键站点识别方法，用于辅助公共交通运营商对复合网络中各时段的关键站点进行识别，从而指导公共交通的线网规划、站点布局及运力配置。
9.技术方案：为解决上述技术问题，本发明采用的技术方案为：一种多模式公交出行路径的规划方法，包括以下步骤：步骤1：获取地铁和公交线路及站点数据，搜索地铁站点步行可达范围内的公交站点，建立地铁-公交复合无权网络。
10.步骤2：基于地铁和公交的历史刷卡数据，采用基于最小熵率的出行链od反推法，
计算地铁-公交复合无权网络中各时段od对的出行量。
11.步骤3：以各时段od对的出行量作为输入，乘客出行路径长度最短作为目标，基于所建立的地铁-公交复合无权网络，获取网络中各时段各边的客流量。
12.步骤4：综合考虑各时段od对的出行量以及各边的客流量，建立地铁-公交加权时变网络。
13.步骤5：针对地铁-公交加权时变网络，计算各时段各站点的流量出入度值。
14.步骤6：针对地铁-公交加权时变网络，计算各时段各站点的流量介数值。
15.步骤7：基于各时段各站点的流量出入度值和流量介数值，运用熵权法计算各时段各站点的综合重要度，基于综合重要度识别各时段关键地铁及公交站点。
16.作为优选方案，所述步骤1，具体包括：步骤1.1：基于地铁和公交线路及站点数据，采用space l方法分别建立地铁无权网络及公交无权网络。
17.其中，表示地铁无权网络；表示地铁站点集合；表示地铁网络的边集合；表示公交无权网络；表示公交站点集合；表示公交网络的边集合。
18.步骤1.2：采用空间连接的方法搜索地铁站点集合步行可达范围内米的公交站点，得到地铁站点集合与公交站点集合的换乘边的空间映射关系，建立地铁网络与公交网络的换乘边集合。
19.步骤1.3：建立地铁-公交复合无权网络；其中，，表征所有公交和地铁站点集合，，表征地铁及公交网络的边集合以及换乘边集合。
20.所述步骤2，具体包括：步骤2.1：读取同一时间段公交及地铁的历史刷卡数据，公交刷卡数据包含乘客的卡号、上车时间、上车站点、上车线路及车辆编号；地铁刷卡数据包含乘客的卡号、进站时间、进站站点、出站时间、出站站点。
21.步骤2.2：根据卡号提取一定时间范围内乘客所有的地铁及公交的历史刷卡数据。
22.步骤2.3：按照乘客的上车时间对乘客的行程进行排序，构建初始出行链集合，表示为。
23.其中，l表示乘客出行链的长度，乘客的总行程数为l/2；表示出行链的第个站点的编号，当为奇数时，为上车站点，当为偶数时，为下车站点；对于公交出行的下车站点，该值当前未知，初始值设为空。
24.步骤2.4：选择初始出行链集合中的第个行程，判断该条记录是否为当天的第一个行程，如果是则记录该行程的上车站点编号并跳转到步骤2.10，如果否则跳转到步骤2.5。
25.步骤2.5：判断当前行程的上一个行程的下车站点是否为空，如果是则跳转到步骤
2.6，如果否则跳转到步骤2.10。
26.步骤2.6：获取与当前行程上车点最为临近的上一个行程公交线路中的站点作为上一个行程的潜在下车点，并基于车辆的avl数据推测潜在下车点的到站时间。
27.步骤2.7：根据上一个行程的潜在下车点和潜在下车点的到站时间，计算当前行程上车点和上一个行程的潜在下车点空间上距离d以及时间差td。
28.步骤2.8：判断空间上距离d以及时间差td是否同时小于距离阈值d以及时间阈值td，如果是，则标记潜在下车点为上一个行程的下车点，并将该站点编号赋值给，如果否，则仍为空。
29.步骤2.9：判断当前行程是否为当天的最后一个行程，如果是，且当前行程为公交出行，则选择当前行程公交线路中与当天的第一个行程上车点最为接近的公交站点作为下车点，并将该站点编号赋值给；如果否，则跳转到步骤2.10。
30.步骤2.10：判断当前k是否等于总行程数l/2；如果否，则赋值k=k+1，并跳转到步骤2.4；如果是，则输出更新后的，并标记在中仍为空的下车点为。
31.步骤2.11：搜索当前中所有下车站点编号为空的下车站点，记为集合em，集合em中元素的个数记为n。
32.步骤2.12：对于集合em中的所有元素，搜索满足所有的约束条件的公交站点作为对应的可行下车站点集合记为；其中，集合中元素的个数为。
33.步骤2.13：基于所获取的所有对应的可行下车站点集合，通过从每个中选取一个元素构建下车站点一种可能的排列组合，遍历每个中所有元素，构建下车站点所有可能的排列组合，并将所有可能的排列组合放入集合中；其中，集合中组合的数量为，表示求积符号。
34.步骤2.14：对于集合中的任意一种组合，将其赋值给中对应下车站点编号为空的下车站点，并计算赋值后出行链集合的熵率。
35.步骤2.15：找到集合所有组合中令熵率最小的组合，并应用最小的组合对进行更新，输出最终的乘客出行链集合。
36.步骤2.16：基于所有最终的乘客出行链集合，根据乘客的上车时间和上下车站点编号，统计各时段t内od对的出行量，构建乘客的出行量矩阵。
37.其中，为矩阵，为地铁-公交复合无权网络中站点的数量；出行量矩阵中元素记为，表示在上车时间在时段t内，上车站点为站点i，下车站点为站点j的出行量。
38.作为优选方案，所述所有的约束条件包括：。
39.其中，下车点站点编号必须位于上车点站点编号之后，下车时间必须在上车时间之后，下车点所属的公交线路必须与上车点所属的公交线路相同，下车点所属的车辆编号必须与上车点所属的公交线路相同。
40.作为优选方案，所述熵率的计算公式如下：。
41.式中，表示在位置i的最长匹配长度，；表示的从位置i到i+m-1的子序列；表示的从位置j到j+m-1的子序列；表示的熵率；l表示该乘客出行链的长度。
42.作为优选方案，所述步骤3，具体包括：步骤3.1：对所有进行初始化，初始值设为0；其中，为客流量数据集合的元素，表示时段t内经过边的客流量。
43.步骤3.2：搜索出行量矩阵中所有的od对，对其进行编号，总数量记为。
44.步骤3.3：针对编号为k的od对，以站点作为出发站点，以站点作为目的地站点，基于所构建的地铁-公交复合无权网络，运用dijkstra算法求解其最短路径；最短路径记为，其中包含最短路径所有途经的边的集合。
45.步骤3.4：针对中途经的边，更新对应的，。
46.步骤3.5：判断当前k是否等于；如果否，则赋值k=k+1，并跳转到步骤3.3；如果是，则输出最终各边的客流量数据集合。
47.作为优选方案，所述地铁-公交加权时变网络，包括：地铁-公交加权时变网络表示为：，其中：，，表征所有公交和地铁站点集合, 表示地铁-公交加权时变网络中的第i个站点。
48.，，表征地铁及公交网络的边集合以及换乘边集合，表示由站点到站点所构成的连边；，，表征时段t内所有od对的出行量，表示在时段t内由站点到站点的出行量。
49.，，表征时段t内每条边通过的客流量，表示在时段t内通过边的客流量。
50.作为优选方案，所述流量出入度值包括：流量入度值和流量出度值，计算公式如下：。
51.其中，和分别表示地铁或公交站点在时段t内的流量入度值和流量出度值，表示连边在时段t内的客流量；表示连边在时段t内的客流量。
52.作为优选方案，所述流量介数值，计算公式如下：。
53.其中，表示地铁或公交站点在时段t内的流量介数值，表示在时段t内起点为站点终点为站点的出行量；表示在时段t内起点为站点终点为站点的客流量。
54.作为优选方案，所述步骤7，具体包括：步骤7.1：基于各时段t内各站点的流量入度值、流量出度值以及流量介数值，建立
站点的综合评价矩阵，计算公式如下：。
55.步骤7.2：对综合评价矩阵进行归一化处理，得到归一化后的综合评价矩阵，计算公式如下：。
56.步骤7.3：计算以流量入度值、流量出度值以及流量介数值三个指标的信息熵、、，计算公式如下：。
57.步骤7.4：计算以流量入度值、流量出度值以及流量介数值三个指标的权重、、，计算公式如下：
。
58.步骤7.5：计算各站点的综合重要度；按由高到低的顺序对各站点的综合重要度进行排序，排名越靠前站点为地铁-公交复合网络中的关键站点，其中，综合重要度计算公式如下：。
59.有益效果：本发明提供的一种地铁-公交复合网络关键站点识别方法，针对当前关键站点识别方法对多模式复合网络以及实际客流时空异质性考虑的不足，通过对公共交通历史数据的深入挖掘，基于最小熵率的出行链od反推法获取了各时段od对的出行量以及网络中各边的客流量，并在此基础上建立了地铁-公交加权时变网络以及该网络关键站点的识别方法。
60.本发明基于城市的公共交通线网数据以及历史刷卡出行数据，快速的推算出不同时段各站点间的od出行量以及各站段间的客流量，该方法相比于传统基于调查或基于视频采集的客流分析方法所需要的成本更低且适用面更广。同时，本发明所提出的关键站点识别方法综合考虑了站点的客流时变特性、局部与全局特性以及换乘特性，可以帮助公交运营企业的快速的识别各时段网络中的客流出行瓶颈，从而为线网规划、站点布局、运力配置以及突发事件下的应急预案提供决策支持。
附图说明
61.图1是本发明出行路径的规划方法流程示意图。
62.图2是本发明中的地铁站点一定范围内的公交站点识别方法图。
63.图3是本发明实施例中的地铁-公交复合无权网络示意图。
64.图4是本发明中基于最小熵率的出行链od反推法流程示意图。
65.图5是本发明实施例中6:00-8:30综合重要度前100站点分布图。
66.图6是本发明实施例中8:30-16:30综合重要度前100站点分布图。
67.图7是本发明实施例中16:30-18:30综合重要度前100站点分布图。
68.图8是本发明实施例中18:30-24:30综合重要度前100站点分布图。
具体实施方式
69.下面结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描
述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
70.下面结合具体实施例对本发明作更进一步的说明。
71.实施例1：如图1所示，本实施例介绍一种多模式公交出行路径的规划方法，包括以下步骤：步骤1：获取地铁和公交线路及站点数据，搜索地铁站点步行可达范围内的公交站点，建立地铁-公交复合无权网络。
72.步骤2：基于地铁和公交的历史刷卡数据，采用基于最小熵率的出行链od（origin destination）反推法，计算地铁-公交复合无权网络中各时段od对的出行量。
73.步骤3：以各时段od对的出行量作为输入，乘客出行路径长度最短作为目标，基于所建立的地铁-公交复合无权网络，获取网络中各时段各边的客流量。
74.步骤4：综合考虑各时段od对的出行量以及各边的客流量，建立地铁-公交加权时变网络。
75.步骤5：针对地铁-公交加权时变网络，计算各时段各站点的流量出入度值。
76.步骤6：针对地铁-公交加权时变网络，计算各时段各站点的流量介数值。
77.步骤7：基于各时段各站点的流量出入度值和流量介数值，运用熵权法计算各时段各站点的综合重要度，基于综合重要度识别各时段关键地铁及公交站点。
78.进一步的，所述步骤1中建立地铁-公交复合无权网络的方法，具体包括：步骤1.1：基于地铁和公交线路及站点数据，采用space l方法分别建立地铁无权网络及公交无权网络。
79.其中，表示地铁无权网络；表示地铁站点集合；表示地铁网络的边集合；表示公交无权网络；表示公交站点集合；表示公交网络的边集合。
80.步骤1.2：采用空间连接的方法搜索地铁站点集合步行可达范围内米的公交站点，如设置为500 米，得到地铁站点集合与公交站点集合的换乘边的空间映射关系，建立地铁网络与公交网络的换乘边集合。
81.步骤1.3：建立地铁-公交复合无权网络；其中，，表征所有公交和地铁站点集合，，表征地铁及公交网络的边集合以及换乘边集合。
82.作为优选方案，所述步骤2中计算地铁-公交复合无权网络中各时段od对的出行量的方法，具体包括：步骤2.1：读取同一时间段公交及地铁的历史刷卡数据，公交刷卡数据包含乘客的卡号、上车时间、上车站点、上车线路及车辆编号。地铁刷卡数据包含乘客的卡号、进站时间、进站站点、出站时间、出站站点。
83.步骤2.2：根据卡号提取一定时间范围内乘客所有的地铁及公交刷卡记录。
84.步骤2.3：按照乘客的上车时间对乘客的行程进行排序，构建初始出行链集合，表示为。
85.其中，l表示乘客出行链的长度，乘客的总行程数为l/2；表示出行链的第个站点的编号，当为奇数时，为上车站点，当为偶数时，为下车站点；对于公交出行的下车站点，该值当前未知，初始值设为空。
86.步骤2.4：选择初始出行链集合中的第个行程（k的初始值为1），判断该条记录是否为当天的第一个行程，如果是则记录该行程的上车站点编号并跳转到步骤2.10，如果否则跳转到步骤2.5。
87.步骤2.5：判断当前行程的上一个行程的下车站点是否为空，即是否为公交出行。如果是则跳转到步骤2.6，如果否则跳转到步骤2.10。
88.步骤2.6：获取与当前行程上车点最为临近的上一个行程公交线路中的站点作为上一个行程的潜在下车点，并基于车辆的avl（automatic vehicle locator）数据推测潜在下车点的到站时间。
89.步骤2.7：根据上一个行程的潜在下车点和潜在下车点的到站时间，计算当前行程上车点和上一个行程的潜在下车点空间上距离d以及时间差td。
90.步骤2.8：判断空间上距离d以及时间差td是否同时小于距离阈值d以及时间阈值td，如果是，则标记潜在下车点为上一个行程的下车点，并将该站点编号赋值给，如果否，则仍为空。
91.步骤2.9：判断当前行程是否为当天的最后一个行程，如果是，且当前行程为公交出行，则选择当前行程公交线路中与当天的第一个行程上车点最为接近的公交站点作为下车点，并将该站点编号赋值给；如果否，则跳转到步骤2.10。
92.步骤2.10：判断当前k是否等于总行程数l/2；如果否，则赋值k=k+1，并跳转到步骤2.4；如果是，则输出更新后的，并标记在中仍为空的下车点为。
93.步骤2.11：搜索当前中所有下车站点编号为空的下车站点，记为集合em，集合em中元素的个数记为n。
94.步骤2.12：对于集合em中的所有元素，搜索满足所有公式（1）的约束条件的公交站点作为对应的可行下车站点集合记为；其中，集合中元素的个数为。
95.公式（1）的约束条件包括：下车点站点编号必须位于上车点站点编号之后，下车时间必须在上车时间之后，下车点所属的公交线路必须与上车点所属的公交线路相同，下车点所属的车辆编号必须与上车点所属的公交线路相同。
96.（1）。
97.步骤2.13：基于所获取的所有对应的可行下车站点集合，通过从每个中选取一个元素构建下车站点一种可能的排列组合，遍历每个中所有元素，构建下车站点所有可能的排列组合，并将所有可能的排列组合放入集合中；其中，集合中组合的数量为，表示求积符号。
98.步骤2.14：对于集合中的任意一种组合，将其赋值给中对应下车站点编号为空的下车站点，并运用公式（2）和公式（3）计算赋值后出行链集合的熵率。
99.（2）。
100.（3）。
101.式中，表示在位置i的最长匹配长度，；表示的从位置i到i+m-1的子序列；表示的从位置j到j+m-1的子序列；表示的熵率；l表示该乘客出行链的长度。
102.步骤2.15：找到集合所有组合中令熵率最小的组合，并应用最小的组合对进行更新，输出最终的乘客出行链集合。
103.步骤2.16：基于所有最终的乘客出行链集合，根据乘客的上车时间和上下车站点编号，统计各时段t内od对的出行量，构建乘客的出行量矩阵。
104.其中，为矩阵，为地铁-公交复合无权网络中站点的数量；出行量矩阵中元素记为，表示在上车时间在时段t内，上车站点为站点i，下车站点为站点j的出行量。
105.作为优选方案，所述步骤3中获取地铁-公交复合无权网络各时段各边客流量的方
法，具体包括：基于所构建的地铁-公交复合无权网络，建立与网络边集一一对应的各时段的客流量数据集合。客流量数据集合的基本元素为，表示时段t内经过边的客流量，的获取步骤如下：步骤3.1：对所有进行初始化，初始值设为0。
106.步骤3.2：搜索出行量矩阵中所有的od对，对其进行编号，总数量记为。
107.步骤3.3：针对编号为k的od对（k的初始值为1），以站点作为出发站点，以站点作为目的地站点，基于所构建的地铁-公交复合无权网络，运用dijkstra算法求解其最短路径；最短路径记为，其中包含最短路径所有途经的边的集合。
108.步骤3.4：针对中途经的边，更新对应的，。
109.步骤3.5：判断当前k是否等于。如果否，则赋值k=k+1，并跳转到步骤3.3。如果是，则输出最终各边的客流量数据集合。
110.作为优选方案，所述步骤4中地铁-公交加权时变网络的建立，具体包括：地铁-公交加权时变网络表示为：，其中：，，表征所有公交和地铁站点集合,表示地铁-公交加权时变网络中的第i个站点；，，表征地铁及公交网络的边集合以及换乘边集合，表示由站点到站点所构成的连边；，，表征时段t内所有od对的出行量，表示在时段t内由站点到站点的出行量；，，表征时段t内每条边通过的客流量，表示在时段t内通过边的客流量。
111.作为优选方案，所述步骤5中各时段各站点的流量出入度值，计算公式如下：（4）。
112.（5）。
113.其中，和分别表示地铁或公交站点在时段t内的流量入度值和流量出度值，站点的流量度值反映了站点在网络中的局部重要性，其值越大表明该站点与其他节点的客流联系越紧密；表示连边在时段t内的客流量；表示连边在时段t内的客流量。
114.作为优选方案，所述步骤6中各时段各站点的流量介数值，计算公式如下：（6）。
115.其中，表示地铁或公交站点在时段t内的流量介数值，站段流量介数值反映了站点在网络中的全局影响力，其值越大表明该站点作为最短路径被通过的客流量越大；表示在时段t内起点为站点终点为站点的出行量；表示在时段t内起点为站点终点为站点的客流量。
116.作为优选方案，所述步骤7中运用熵权法计算各时段各站点的综合重要度的方法，包括如下步骤：步骤7.1：基于各时段t内各站点的流量入度值、流量出度值以及流量介数值，建立站点的综合评价矩阵，计算公式如下：（7）。
117.步骤7.2：对综合评价矩阵进行归一化处理，把各指标的绝对值转化为相对值，得到归一化后的综合评价矩阵，计算公式如下：（8）。
118.步骤7.3：运用式（9）-（11）计算以流量入度值、流量出度值以及流量介数值三个指标的信息熵、、，计算公式如下：
（9）。
119.（10）。
120.（11）。
121.步骤7.4：运用式（12）-（14）计算以流量入度、流量出度以及流量介数三个指标的权重、、，计算公式如下：（12）。
122.（13）。
123.（14）。
124.步骤7.5：运用式（15）计算各站点的综合重要度；按由高到低的顺序对各站点的综合重要度进行排序，排名越靠前站点为地铁-公交复合网络中的关键站点，其中，综合重要度计算公式如下：（15）。
125.实施例2：本实施例介绍将一种多模式公交出行路径的规划方法具体应用到某市地铁-公交网络中的，并识别出关键站点的过程。
126.1：获取地铁和公交线路及站点数据，搜索地铁站点步行可达范围内的公交站点，建立地铁-公交复合无权网络。
127.其中，公交/地铁站点及线路数据包括如下属性：站点序号、站点名称、站点经度、站点纬度、线路名称等五项，具体数据示例如表1、表2所示。
128.表1公交站点及线路数据示例
129.表2 地铁站点及线路数据示例
130.基于上述数据，采用space l方法建立公交无权有向网络以及地铁无权有向网络及公交无权网络其中，表示地铁无权网络；表示地铁站点集合；表示地铁网络的边集合；表示公交无权网络；表示公交站点集合；表示公交网络的边集合；在地铁和公交无权网络的建立过程中，站点名称相同但分属不同线路的站点被视为相同站点。
131.在此基础上，如图2所示，建立以地铁站点为圆心，半径为500米的缓冲区，运用空间连接方法识别缓冲区范围内公交站点，建立地铁站点与公交站点的映射关系，获取地铁网络与公交网络的换乘边集合。
132.基于上述周边站点识别方法，建立如图3所示的地铁-公交复合无权网络。该网络为有向网络，共包含站点数量4437个，其中公交站点4278个，地铁站点159个。共包含边12233条，其中公交网络的边10887条，地铁网络的边328条，地铁网络与公交网络的换乘边1018条。
133.2：基于地铁和公交的历史刷卡数据，采用基于最小熵率的出行链od反推法，计算网络中各时段od对的出行量。
134.选取2021年5月1日至2021年5月31日一个月的公交和地铁刷卡数据作为研究时间范围。公交数据包含乘客的卡号、上车时间、上车站点、上车线路及车辆编号，共计40036065条数据。地铁数据包含乘客的卡号、进站时间、进站站点、出站时间、出站站点，共计39314358条数据。具体数据示例如表3、表4所示。
135.表3 公交刷卡数据示例
136.表4 地铁刷卡数据示例
137.根据乘客卡号提取乘客所有的地铁及公交刷卡记录，并按时间对其出行进行排序，构建初始出行链集合，表示为。其中，l表示乘客出行链的长度，乘客的总行程数为l/2；表示出行链的第个站点的编号，当为奇数时，为上车站点，当为偶数时，为下车站点；对于公交出行的下车站点，该值当前未知，初始值设为空；具体示例如图4所示。
138.一个实施例，step1：构建初始出行链集合。本示例中出行链长度为20，共包含10次出行。编码表示方法中的数字表示地铁或公交站点的编号，公交出行下车点初始值为空。
139.step1中一个乘客卡号对应的一个初始出行链集合中为2、4、6、8、14、16、18、20为公车出行的下车站点，初始值未知。
140.一个实施例，step2：采用基于出行链的od反推方法对部分下车点进行更新。
141.针对初始的出行链集合，首先采用基于出行链的od反推方法推测乘客公交出行下车点，对乘客出行链中下车点进行更新，该方法中的距离阈值d以及时间阈值td分别设置为500米和30分钟。本示例中，
“”
为基于出行链的od反推方法得到的公交下车点编号，包括：2，1，4，6。
“”
为无法推测的下车点。
142.采用od反推方法可以推导出所有为空下车站点的公交下车点，但是，由于乘客出行的不规律性，可能会带来od反推方法无法推导出部分空下车站点的公交下车点，step2中初始出行链集合中i为14、18的公车出行的下车站点仍是未知的。
143.一个实施例：step3：采用基于最小熵率的od反推方法构建最终的出行链集合。
144.针对基于出行链的od反推方法无法推测的下车点，采用基于最小熵率的od反推方法对仍是空白的下车站点进行补全，构建最终的乘客出行链集合。
145.step3中中可行下车站点的编号为4、1，等于2。中可行下车站点的编号为3、2，等于2。
146.从中取出4，中取出3，构建下车站点一种可能的排列组合4，3。
147.同理，遍历、中所有元素，构建下车站点所有可能的排列组合，并将所有可能的排列组合放入集合，集合如下：
。
148.集合的组合数量为。
149.将集合4种组合赋值给，并计算所有组合的熵率。
150.组合一：下车点为站点4和站点3，熵率为1.086。
151.组合二：下车点为站点1和站点3，熵率为1.538。
152.组合三：下车点为站点4和站点2，熵率为0.579。
153.组合四：下车点为站点1和站点2，熵率为1.229。
154.其中，本示例中，组合二为熵率最低，将组合二中对应的下车站点的编号1，3赋值给公车出行的下车站点、，完成最终的乘客出行链集合。
155.将全天的运行时间分为四个时段，分别为：（1）早高峰：6：00-8：30，记为t1；（2）早平峰：8：30-16：30, 记为t2；（3）晚高峰：16：30-18：30, 记为t3；（4）晚平峰：18：30-24：00, 记为t4。基于所有乘客最终的乘客出行链集合，根据乘客的上车时间统计地铁-公交复合网络中各时段od对的出行量。基于南京地铁公交的实际刷卡数据，共识别总od对1089139对。其中，公交客流od对1067029对，地铁客流od对22110对。各时段od对日均出行量统计结果示例如表5所示。根据表5建立各时段t内od对的出行量矩阵，记为。
156.表5 地铁-公交复合网络中各时段od对的日均出行量
157.3：以各时段od对出行量作为输入，乘客出行路径长度最短作为目标，基于所建立的地铁-公交复合无权网络，获取网络中各时段各边的客流量。
158.基于所构建的地铁-公交复合无权网络，建立与网络边集一一对应的各时段的客流量数据集合。其基本元素表示时段t内经过站边的客流量，该值通过对各时段od最短路径通过网络边的次数进行集计得到。表6为南京地铁-公交复合网络中各时段通过各边的日均客流量示例。
159.表6 地铁-公交复合网络中各时段各边的日均客流量
160.4：综合考虑各时段od对的出行量以及各边的客流量，建立地铁-公交加权时变网络。
161.地铁-公交加权时变网络表示为：，其中：，，表征所有公交和地铁站点集合, 表示地铁-公交加权时变网络中的第i个站点；，，表征地铁及公交网络的边集合以及换乘边集合，表示由站点到站点所构成的连边；，，表征时段t内所有od对的出行量，表示在时段t内由站点到站点的出行量；，，表征时段t内每条边通过的客流量，表示在时段t内通过边的客流量。
162.5：针对地铁-公交加权时变网络，计算各时段各站点的流量出入度值。
163.基于所构建的地铁-公交加权时变网络，通过式（4）、式（5） 求取不同时段各站点的流量入度和流量入度，得到的示例结果如表7所示。
164.表7 地铁-公交复合网络中各时段站点流量出入度值
165.6：针对地铁-公交加权时变网络，计算各时段各站点的流量介数值。
166.基于所构建的地铁-公交加权时变网络，通过式（6） 求取不同时段各站点的
流量介数值，得到的示例结果如表8所示。
167.表8 地铁-公交复合网络中各时段站点流量介数值
168.7：基于各时段各站点的流量出入度值和流量介数值，运用熵权法计算各时段各站点的综合重要度，基于综合重要度识别地铁-公交复合网络中关键站点。
169.基于各时段站点的流量入度值、流量出度值以及流量介数值。首先建立如式（7）所示的综合评价矩阵。然后对该矩阵进行归一化处理，得到归一化后的综合评价矩阵。接下来，运用式（9）-（11）计算各个时段流量入度、流量出度以及流量介数的信息熵，计算结果如表9所示。在此基础上，通过式（12）-（14）计算各个时段流量入度、流量出度以及流量介数的权重，计算结果如表10所示。最后，基于式（15）计算各时段各站点的综合重要度，示例结果如表11所示。按由高到低的顺序对各站点的综合重要度进行排序，排名越靠前站点在地铁-公交复合网络中的作用越为关键。图5-图8为基于表11的计算结果绘制的各时段综合重要度前100站点分布图。
170.表9 各时段流量入度、流量出度以及流量介数的信息熵
171.表10 各时段流量入度、流量出度以及流量介数的权重
172.表11 地铁-公交复合网络中各时段站点的综合重要度
173.以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种地铁-公交复合网络关键站点识别方法，其特征在于：包括以下步骤：步骤1：获取地铁和公交线路及站点数据，搜索地铁站点步行可达范围内的公交站点，建立地铁-公交复合无权网络；步骤2：基于地铁和公交的历史刷卡数据，采用基于最小熵率的出行链od反推法，计算地铁-公交复合无权网络中各时段od对的出行量；步骤3：以各时段od对的出行量作为输入，乘客出行路径长度最短作为目标，基于所建立的地铁-公交复合无权网络，获取网络中各时段各边的客流量；步骤4：综合考虑各时段od对的出行量以及各边的客流量，建立地铁-公交加权时变网络；步骤5：针对地铁-公交加权时变网络，计算各时段各站点的流量出入度值；步骤6：针对地铁-公交加权时变网络，计算各时段各站点的流量介数值；步骤7：基于各时段各站点的流量出入度值和流量介数值，运用熵权法计算各时段各站点的综合重要度，基于综合重要度识别各时段关键地铁及公交站点。2.根据权利要求1所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述步骤1，具体包括：步骤1.1：基于地铁和公交线路及站点数据，采用space l方法分别建立地铁无权网络及公交无权网络；其中，表示地铁无权网络；表示地铁站点集合；表示地铁网络的边集合；表示公交无权网络；表示公交站点集合；表示公交网络的边集合；步骤1.2：采用空间连接的方法搜索地铁站点集合步行可达范围内米的公交站点，得到地铁站点集合与公交站点集合的换乘边的空间映射关系，建立地铁网络与公交网络的换乘边集合；步骤1.3：建立地铁-公交复合无权网络；其中，，表征所有公交和地铁站点集合，，表征地铁及公交网络的边集合以及换乘边集合。3.根据权利要求2所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述步骤2，具体包括：步骤2.1：读取同一时间段公交及地铁的历史刷卡数据，公交刷卡数据包含乘客的卡号、上车时间、上车站点、上车线路及车辆编号；地铁刷卡数据包含乘客的卡号、进站时间、进站站点、出站时间、出站站点；步骤2.2：根据卡号提取一定时间范围内乘客所有的地铁及公交的历史刷卡数据；步骤2.3：按照乘客的上车时间对乘客的行程进行排序，构建初始出行链集合，表示为；其中，l表示乘客出行链的长度，乘客的总行程数为l/2；表示出行链的第个站点的
编号，当为奇数时，为上车站点，当为偶数时，为下车站点；对于公交出行的下车站点，该值当前未知，初始值设为空；步骤2.4：选择初始出行链集合中的第个行程，判断该条记录是否为当天的第一个行程，如果是则记录该行程的上车站点编号并跳转到步骤2.10，如果否则跳转到步骤2.5；步骤2.5：判断当前行程的上一个行程的下车站点是否为空，如果是则跳转到步骤2.6，如果否则跳转到步骤2.10；步骤2.6：获取与当前行程上车点最为临近的上一个行程公交线路中的站点作为上一个行程的潜在下车点，并基于车辆的avl数据推测潜在下车点的到站时间；步骤2.7：根据上一个行程的潜在下车点和潜在下车点的到站时间，计算当前行程上车点和上一个行程的潜在下车点空间上距离d以及时间差td；步骤2.8：判断空间上距离d以及时间差td是否同时小于距离阈值d以及时间阈值td，如果是，则标记潜在下车点为上一个行程的下车点，并将该站点编号赋值给，如果否，则仍为空；步骤2.9：判断当前行程是否为当天的最后一个行程，如果是，且当前行程为公交出行，则选择当前行程公交线路中与当天的第一个行程上车点最为接近的公交站点作为下车点，并将该站点编号赋值给；如果否，则跳转到步骤2.10；步骤2.10：判断当前k是否等于总行程数l/2；如果否，则赋值k=k+1，并跳转到步骤2.4；如果是，则输出更新后的，并标记在中仍为空的下车点为；步骤2.11：搜索当前中所有下车站点编号为空的下车站点，记为集合em，集合em中元素的个数记为n；步骤2.12：对于集合em中的所有元素，搜索满足所有的约束条件的公交站点作为对应的可行下车站点集合记为；其中，集合中元素的个数为；步骤2.13：基于所获取的所有对应的可行下车站点集合，通过从每个中选取一个元素构建下车站点一种可能的排列组合，遍历每个中所有元素，构建下车站点所有可能的排列组合，并将所有可能的排列组合放入集合中；其中，集合中组合的数量为，表示求积符号；步骤2.14：对于集合中的任意一种组合，将其赋值给中对应下车站点编号为空的下车站点，并计算赋值后出行链集合的熵率；步骤2.15：找到集合所有组合中令熵率最小的组合，并应用最小的组合对进行更新，输出最终的乘客出行链集合；
步骤2.16：基于所有最终的乘客出行链集合，根据乘客的上车时间和上下车站点编号，统计各时段t内od对的出行量，构建乘客的出行量矩阵；其中，为矩阵，为地铁-公交复合无权网络中站点的数量；出行量矩阵中元素记为，表示在上车时间在时段t内，上车站点为站点i，下车站点为站点j的出行量。4.根据权利要求3所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述所有的约束条件包括：；其中，下车点站点编号必须位于上车点站点编号之后，下车时间必须在上车时间之后，下车点所属的公交线路必须与上车点所属的公交线路相同，下车点所属的车辆编号必须与上车点所属的公交线路相同。5.根据权利要求3所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述熵率的计算公式如下：；式中，表示在位置i的最长匹配长度，；表示的从位置i到i+m-1的子序列；表示的从位置j到j+m-1的子序列；表示的熵率；l表示该乘客出行链的长度。6.根据权利要求3所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述步骤3，具体包括：
步骤3.1：对所有进行初始化，初始值设为0；其中，为客流量数据集合的元素，表示时段t内经过边的客流量；步骤3.2：搜索出行量矩阵中所有的od对，对其进行编号，总数量记为；步骤3.3：针对编号为k的od对，以站点作为出发站点，以站点作为目的地站点，基于所构建的地铁-公交复合无权网络，运用dijkstra算法求解其最短路径；最短路径记为，其中包含最短路径所有途经的边的集合；步骤3.4：针对中途经的边，更新对应的，；步骤3.5：判断当前k是否等于；如果否，则赋值k=k+1，并跳转到步骤3.3；如果是，则输出最终各边的客流量数据集合。7.根据权利要求6所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述地铁-公交加权时变网络，包括：地铁-公交加权时变网络表示为：，其中：，，表征所有公交和地铁站点集合, 表示地铁-公交加权时变网络中的第i个站点；，，表征地铁及公交网络的边集合以及换乘边集合，表示由站点到站点所构成的连边；，，表征时段t内所有od对的出行量，表示在时段t内由站点到站点的出行量；，，表征时段t内每条边通过的客流量，表示在时段t内通过边的客流量。8.根据权利要求7所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述流量出入度值包括：流量入度值和流量出度值，计算公式如下：；其中，和分别表示地铁或公交站点在时段t内的流量入度值和流量出度值，表示连边在时段t内的客流量；表示连边在时段t内的客流量。
9.根据权利要求8所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述流量介数值，计算公式如下：；其中，表示地铁或公交站点在时段t内的流量介数值，表示在时段t内起点为站点终点为站点的出行量；表示在时段t内起点为站点终点为站点的客流量。10.根据权利要求9所述的一种地铁-公交复合网络关键站点识别方法，其特征在于：所述步骤7，具体包括：步骤7.1：基于各时段t内各站点的流量入度值、流量出度值以及流量介数值，建立站点的综合评价矩阵，计算公式如下：；步骤7.2：对综合评价矩阵进行归一化处理，得到归一化后的综合评价矩阵，计算公式如下：；步骤7.3：计算以流量入度值、流量出度值以及流量介数值三个指标的信息熵、、，计算公式如下：
；步骤7.4：计算以流量入度值、流量出度值以及流量介数值三个指标的权重、、，计算公式如下：；步骤7.5：计算各站点的综合重要度；按由高到低的顺序对各站点的综合重要度进行排序，排名越靠前站点为地铁-公交复合网络中的关键站点，其中，综合重要度计算公式如下：。

技术总结
本发明公开了一种地铁-公交复合网络关键站点识别方法，基于地铁和公交线路及站点数据、历史刷卡数据，运用基于最小熵率的出行链OD反推法，计算地铁-公交复合网络中各时段OD对的出行量；以各时段OD对的出行量作为输入，乘客出行路径长度最短作为目标，获取地铁-公交复合网络中各时段各边的客流量；综合考虑各时段OD对的出行量以及各边的客流量，针对地铁-公交加权时变网络，计算各时段各站点的参数；运用熵权法计算各时段各站点的综合重要度，基于综合重要度识别各时段关键地铁及公交站点。本发明帮助公共交通运营企业的快速识别各时段网络中的客流出行瓶颈站点，为线网规划、站点布局、运力配置以及突发事件下的应急预案提供决策支持。预案提供决策支持。预案提供决策支持。


技术研发人员：郑乐 张毅萌 陈学武 宋波
受保护的技术使用者：南京邮电大学
技术研发日：2023.08.07
技术公布日：2023/9/9