基于地铁客流的广州地铁站点类型识别

摘要

使用地铁刷卡数据对地铁客流进行研究时,面临数据量大、数据维度高、信息冗余度高等问题。传统方法主要通过专家经验建立指标进行分析,不能有效地利用原始数据,也容易受主观因素的影响。文章使用主成分分析方法(PCA)对广州地铁站点客流数据进行特征提取,用以提高特征选取过程的科学性,避免主观因素的影响,降低数据维度、消除冗余信息的过程中能够尽量保留原始数据的信息。研究表明:PCA提取出6个主成分,保留了原始数据91.41%的信息,前2个主成分代表了工作日地铁客流最重要的居住型站点客流特征和就业型站点客流特征。在此基础上利用K-均值聚类算法对广州地铁站点进行类型识别,识别出居住导向型、就业导向型、职住错位型等7类站点。通过分析不同站点的空间分布,发现广州地铁站点呈圈层式分布特征,站点类型随着到城市中心距离的增加而减少,反映了广州市城市功能的空间分布,城市中心区域站点类型多样,说明这一区域城市发展成熟、功能齐全;城市中心区域周围主要分布着职住错位型站点,城市发展较为成熟;而城市外围主要分布着居住导向型站点,承担城市的居住职能。