本發(fā)明涉及數(shù)據(jù)分析，特別是一種交通數(shù)據(jù)分析方法及系統(tǒng)。

背景技術(shù)：

1、在近年來，隨著城市化進(jìn)程的加速和交通需求的不斷增加，城市交通管理和公共交通系統(tǒng)的優(yōu)化成為關(guān)鍵的研究領(lǐng)域，交通數(shù)據(jù)分析技術(shù)在此過程中扮演了重要的角色，傳統(tǒng)的城市交通管理系統(tǒng)主要依賴于單一的數(shù)據(jù)源，例如交通流量監(jiān)測器和gps數(shù)據(jù)，來進(jìn)行交通狀況的實(shí)時監(jiān)測與管理，然而，這種方法的局限性在于其數(shù)據(jù)源的單一性，往往難以全面反映城市交通的復(fù)雜性和動態(tài)變化。

2、為了解決這一問題，近年來，研究者們提出了多源數(shù)據(jù)融合的方法，將來自不同來源的數(shù)據(jù)進(jìn)行整合，以獲取更全面的交通信息，這種方法能夠更好地捕捉交通流動的多樣性和復(fù)雜性，提高交通預(yù)測的準(zhǔn)確性，然而，盡管多源數(shù)據(jù)融合技術(shù)在一定程度上改善了交通數(shù)據(jù)的全面性和準(zhǔn)確性，但現(xiàn)有的系統(tǒng)常常忽視不同區(qū)域之間的需求差異和服務(wù)差距，導(dǎo)致公共交通資源的配置不夠優(yōu)化，不同區(qū)域公共交通服務(wù)發(fā)展不均衡，不能很好滿足用戶公共交通出行的需求。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有的交通數(shù)據(jù)分析方法及系統(tǒng)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于現(xiàn)有的系統(tǒng)常常忽視不同區(qū)域之間的需求差異和服務(wù)差距，導(dǎo)致公共交通資源的配置不夠優(yōu)化，不同區(qū)域公共交通服務(wù)發(fā)展不均衡，不能很好滿足用戶公共交通出行的需求。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種交通數(shù)據(jù)分析方法，其包括，收集多源數(shù)據(jù)形成全面的城市交通數(shù)據(jù)體系，構(gòu)建動態(tài)時空圖分析不同時間和空間維度的交通數(shù)據(jù)得到不同區(qū)域公共交通出行需求；對不同區(qū)域的公共交通服務(wù)水平進(jìn)行評估，根據(jù)不同區(qū)域的出行需求和公共交通服務(wù)水平制定差異化的線路規(guī)劃；預(yù)測不同區(qū)域的車輛交通密度并根據(jù)用戶出行數(shù)據(jù)為用戶推薦公共交通路線。

4、作為本發(fā)明所述交通數(shù)據(jù)分析方法的一種優(yōu)選方案，其中：所述收集多源數(shù)據(jù)形成全面的城市交通數(shù)據(jù)體系指確定主要數(shù)據(jù)源包括交通監(jiān)控數(shù)據(jù)，gps數(shù)據(jù)以及社交媒體平臺數(shù)據(jù)，實(shí)時從各數(shù)據(jù)源中收集數(shù)據(jù)并對數(shù)據(jù)進(jìn)行預(yù)處理，將所有數(shù)據(jù)源的時間和日期轉(zhuǎn)換為統(tǒng)一格式并統(tǒng)一數(shù)據(jù)的地理位置信息，將預(yù)處理后的數(shù)據(jù)存儲進(jìn)中央數(shù)據(jù)庫中形成全面的城市交通數(shù)據(jù)體系并按照地理區(qū)域?qū)⒊鞘袆澐譃椴煌瑓^(qū)域。

5、作為本發(fā)明所述交通數(shù)據(jù)分析方法的一種優(yōu)選方案，其中：所述構(gòu)建動態(tài)時空圖分析不同時間和空間維度的交通數(shù)據(jù)得到不同區(qū)域公共交通出行需求指定義動態(tài)圖結(jié)構(gòu)，從城市交通數(shù)據(jù)體系中提取人口和交通特征數(shù)據(jù)，選擇城市的交通交叉口以及公共交通站點(diǎn)作為節(jié)點(diǎn)，利用gis系統(tǒng)和城市交通布局圖定位每個節(jié)點(diǎn)的地理位置；

6、基于實(shí)際交通路線和公共交通連接線確定節(jié)點(diǎn)之間的連接邊，將人口和交通特征數(shù)據(jù)融入節(jié)點(diǎn)，使用交通和出行時間數(shù)據(jù)加強(qiáng)邊的屬性，根據(jù)實(shí)時交通流量數(shù)據(jù)動態(tài)更新邊的權(quán)重；

7、根據(jù)從城市交通數(shù)據(jù)體系中獲得的實(shí)時數(shù)據(jù)更新圖中的節(jié)點(diǎn)和邊的狀態(tài)；

8、基于定義的節(jié)點(diǎn)和邊構(gòu)建時空張量網(wǎng)絡(luò)，包括空間張量圖和時間張量圖：

9、所述構(gòu)建空間張量圖指通過收集gis數(shù)據(jù)測量節(jié)點(diǎn)間的實(shí)際距離，基于節(jié)點(diǎn)間的地理距離和交通流量連接確定節(jié)點(diǎn)間的空間關(guān)系；

10、基于節(jié)點(diǎn)間的交通流量和通勤數(shù)據(jù)計算節(jié)點(diǎn)間的連接權(quán)重，將空間關(guān)系和權(quán)重轉(zhuǎn)化為多維張量，每個維度代表一個節(jié)點(diǎn)，節(jié)點(diǎn)間的連接通過張量的權(quán)重表示；

11、所述構(gòu)建時間張量圖指收集每個節(jié)點(diǎn)的時間序列數(shù)據(jù)，包括每日的交通流程以及特殊事件的影響，為每個時間點(diǎn)創(chuàng)建獨(dú)立的層，每層代表一個時間段內(nèi)的交通狀態(tài)，通過時間依賴性描述定義層與層之間的連接；

12、使用投影糾纏對態(tài)算法優(yōu)化時空張量網(wǎng)絡(luò)，將時空張量網(wǎng)絡(luò)中的數(shù)據(jù)轉(zhuǎn)換為多維數(shù)組形式，根據(jù)數(shù)據(jù)的維度和結(jié)構(gòu)選擇張量格式，設(shè)定投影糾纏對態(tài)算法的核心參數(shù)，包括虛擬維度和優(yōu)化迭代次數(shù)，使用仿真數(shù)據(jù)測試不同的參數(shù)設(shè)置選擇最佳的參數(shù)組合；

13、將多維數(shù)據(jù)輸入進(jìn)投影糾纏對態(tài)算法中進(jìn)行張量分解處理，將復(fù)雜的多維數(shù)據(jù)簡化為易于管理和分析的格式，使用梯度下降算法根據(jù)最新的時空數(shù)據(jù)定期優(yōu)化張量網(wǎng)絡(luò)的參數(shù)；

14、設(shè)計多層圖卷積網(wǎng)絡(luò)結(jié)構(gòu)，每層負(fù)責(zé)處理節(jié)點(diǎn)的特征和集成鄰近節(jié)點(diǎn)的信息，通過殘差連接配置網(wǎng)絡(luò)層；

15、使用圖卷積公式更新每個節(jié)點(diǎn)的特征表示：

16、

17、式中，是節(jié)點(diǎn)v在第l+1層的特征表示，是第l層中節(jié)點(diǎn)v的特征向量，n(v)是節(jié)點(diǎn)v的鄰居節(jié)點(diǎn)集合，w(l)是第l層的可學(xué)習(xí)權(quán)重矩陣，σ是非線性激活函數(shù)relu，cvu是節(jié)點(diǎn)v的鄰居數(shù)量，u是節(jié)點(diǎn)v的鄰居節(jié)點(diǎn)，是節(jié)點(diǎn)u在第l層的特征表示；

18、對于每個節(jié)點(diǎn)，聚合其自身和鄰居的特征獲得新的節(jié)點(diǎn)表示，使用歷史交通數(shù)據(jù)進(jìn)行模型訓(xùn)練并定義交叉熵?fù)p失函數(shù)，通過反向傳播算法計算損失函數(shù)關(guān)于每個權(quán)重的梯度，應(yīng)用梯度下降更新權(quán)重，在訓(xùn)練過程中，實(shí)時計算模型損失，若模型損失在連續(xù)3個周期中沒有下降，則停止訓(xùn)練得到圖神經(jīng)網(wǎng)絡(luò)模型；

19、將圖神經(jīng)網(wǎng)絡(luò)模型部署在中央數(shù)據(jù)庫中實(shí)時接收交通數(shù)據(jù)預(yù)測各區(qū)域公共交通的出行需求。

20、作為本發(fā)明所述交通數(shù)據(jù)分析方法的一種優(yōu)選方案，其中：所述對不同區(qū)域的公共交通服務(wù)水平進(jìn)行評估指從城市交通數(shù)據(jù)體系中獲取區(qū)域的車輛負(fù)載率，班次準(zhǔn)點(diǎn)率和客流量，通過gis得到公共交通服務(wù)的線路覆蓋率和站點(diǎn)可達(dá)性并

21、將收集的數(shù)據(jù)按照時間段進(jìn)行分組；

22、分析車輛負(fù)載率數(shù)據(jù)識別過載以及車輛利用率低的問題區(qū)域和時間段；

23、分析班次準(zhǔn)點(diǎn)率數(shù)據(jù)評估交通高峰期的公共交通服務(wù)的可靠性；

24、分析客流量數(shù)據(jù)評估各主要線路和車站的服務(wù)需求滿足情況；

25、分析線路覆蓋率評估公共交通服務(wù)在不同區(qū)域的覆蓋情況；

26、分析站臺可達(dá)性數(shù)據(jù)分析居民訪問最近站點(diǎn)的平均步行距離；

27、將得到的分析結(jié)果進(jìn)行整合，標(biāo)識出公共交通服務(wù)水平不足的區(qū)域。

28、作為本發(fā)明所述交通數(shù)據(jù)分析方法的一種優(yōu)選方案，其中：所述根據(jù)不同區(qū)域的出行需求和公共交通服務(wù)水平制定差異化的線路規(guī)劃指使用k-means聚類算法根據(jù)交通需求將城市不同區(qū)域分類為高需求區(qū)和低需求區(qū)，編制每個聚類區(qū)域的需求特征報告，包括高需求時間段、乘客偏好和服務(wù)不足點(diǎn)；

29、基于各區(qū)域的公共交通的出行需求以及各區(qū)域的公共交通服務(wù)水平標(biāo)識出公共交通出行需求高而公共交通服務(wù)水平不足的區(qū)域，使用gis工具和數(shù)據(jù)可視化技術(shù)，映射出公共交通出行需求與公共交通服務(wù)水平不匹配的具體位置，將該區(qū)域作為首要線路優(yōu)化目標(biāo)；

30、對于公共交通服務(wù)水平不足的區(qū)域，制定增加公共交通資源的策略，包括增加班次、延長運(yùn)營時間、增加新的線路以及調(diào)整現(xiàn)有線路；

31、對于公共交通服務(wù)水平過剩的區(qū)域，減少該區(qū)域的公共交通資源的分配，優(yōu)化現(xiàn)有線路并合并不經(jīng)濟(jì)的公共交通線路，重新分配資源到公共交通出行需求更高的區(qū)域。

32、作為本發(fā)明所述交通數(shù)據(jù)分析方法的一種優(yōu)選方案，其中：所述預(yù)測不同區(qū)域的車輛交通密度指使用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建交通密度預(yù)測模型，包括輸入層、卷積層、池化層以及輸出層；

33、使用歷史交通流量數(shù)據(jù)作為訓(xùn)練集輸入交通密度預(yù)測模型中進(jìn)行迭代訓(xùn)練，定義損失函數(shù)和adam優(yōu)化器進(jìn)行模型參數(shù)迭代優(yōu)化，當(dāng)在連續(xù)迭代過程中需求預(yù)測模型的損失不再明顯下降則停止迭代輸出模型參數(shù)更新交通密度預(yù)測模型；

34、將實(shí)時交通流量數(shù)據(jù)輸入交通密度預(yù)測模型中獲取各區(qū)域未來的車輛交通密度。

35、作為本發(fā)明所述交通數(shù)據(jù)分析方法的一種優(yōu)選方案，其中：所述根據(jù)用戶出行數(shù)據(jù)為用戶推薦公共交通路線指收集用戶的歷史出行數(shù)據(jù)包括常用路線，出行時間和頻率以及偏好設(shè)置，對收集數(shù)據(jù)進(jìn)行預(yù)處理并使用k-means聚類算法根據(jù)用戶數(shù)據(jù)將用戶分類為早高峰通勤者和周末出行者，使用apriori算法識別用戶頻繁的出行組合，包括常用的起始站點(diǎn)和目的站點(diǎn)，整合未來的車輛交通密度數(shù)據(jù)并生成每條規(guī)劃的公共交通路線的特征向量，包括路線長度，車輛交通密度以及歷史用戶選擇頻率；

36、使用隨機(jī)森林模型，將歷史用戶出行數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)輸入隨機(jī)森林模型進(jìn)行訓(xùn)練，使用交叉驗(yàn)證方法優(yōu)化隨機(jī)森林的樹的數(shù)量和樹的深度進(jìn)行迭代直到模型性能不再明顯提升則停止迭代獲得訓(xùn)練好的隨機(jī)森林模型，將生成的特征向量輸入進(jìn)隨機(jī)森林模型中得到每條規(guī)劃的公共交通路線的得分，將公共交通路線按得分遞減排序，選擇得分最高的公共交通路線作為最優(yōu)公共交通路線并實(shí)時推送給用戶。

37、本發(fā)明的另外一個目的是提供一種交通數(shù)據(jù)分析系統(tǒng)，其包括，

38、數(shù)據(jù)收集模塊，用于從多個數(shù)據(jù)源中收集交通數(shù)據(jù)并進(jìn)行預(yù)處理后存儲進(jìn)中央數(shù)據(jù)庫形成全面的城市交通數(shù)據(jù)體系；

39、數(shù)據(jù)分析模塊，用于基于城市交通數(shù)據(jù)體系中的實(shí)時交通數(shù)據(jù)構(gòu)建動態(tài)圖結(jié)構(gòu)以及時空張量網(wǎng)絡(luò)并通過圖神經(jīng)網(wǎng)絡(luò)預(yù)測各區(qū)域公共交通的出行需求；

40、水平評估模塊，用于實(shí)時分析各區(qū)域的交通數(shù)據(jù)對各區(qū)域的公共交通服務(wù)水平進(jìn)行評估；

41、線路規(guī)劃模塊，用于基于各區(qū)域的公共交通的出行需求和服務(wù)水平對各區(qū)域的公共交通線路進(jìn)行規(guī)劃；

42、個性出行模塊，用于基于規(guī)劃后的公共交通線路并根據(jù)用戶的出行數(shù)據(jù)和各公共交通線路的車輛交通密度實(shí)時向用戶推薦公共交通線路。

43、一種計算機(jī)設(shè)備，包括：存儲器和處理器；所述存儲器存儲有計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)交通數(shù)據(jù)分析方法的步驟。

44、一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)交通數(shù)據(jù)分析方法的步驟。

45、本發(fā)明有益效果為：本發(fā)明通過收集和融合多源數(shù)據(jù)，構(gòu)建動態(tài)時空圖分析不同時間和空間維度的交通數(shù)據(jù)，從而精確預(yù)測不同區(qū)域的公共交通需求，不僅能夠更全面地捕捉交通流動的復(fù)雜特征，還能根據(jù)公共交通服務(wù)水平的評估結(jié)果制定差異化的線路規(guī)劃并基于預(yù)測的交通密度為用戶推薦最優(yōu)的公共交通路線，提高了公共交通服務(wù)的均衡程度，滿足區(qū)域用戶公共交通出行需求。