国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于評價(jià)指標(biāo)體系的客運(yùn)專線客流節(jié)點(diǎn)聚類分析

2010-07-13 08:57鄧延偉
關(guān)鍵詞:標(biāo)度客流聚類

鄧延偉

(北京交通大學(xué) 經(jīng)濟(jì)管理學(xué)院,北京 100044)

我國客鐵流路節(jié)客點(diǎn)運(yùn)間專的線關(guān)規(guī)聯(lián)模關(guān)大系,復(fù)路雜網(wǎng)。和因客此流,密在度制分定布旅不客均列衡車,開行方案時(shí)需要考慮客流節(jié)點(diǎn)的重要性,分析節(jié)點(diǎn)間的差異性,并對客流節(jié)點(diǎn)進(jìn)行聚類研究。

聚類分析法是對所研究的事物按照一定標(biāo)準(zhǔn)進(jìn)行分類的數(shù)學(xué)方法。其根據(jù)事物特征,定義能度量樣本間關(guān)聯(lián)程度的統(tǒng)計(jì)量,按照關(guān)聯(lián)程度對樣本進(jìn)行分類,將關(guān)系密切的聚集到一起,成為一個(gè)分類單位。聚類分析對樣品進(jìn)行分類的效果,關(guān)鍵是統(tǒng)計(jì)指標(biāo)的選擇。在對客流節(jié)點(diǎn)進(jìn)行聚類分析之前,首先建立綜合評價(jià)指標(biāo)體系,運(yùn)用層次分析法進(jìn)行指標(biāo)權(quán)重計(jì)算,將半定性、半定量的問題轉(zhuǎn)化為定量指標(biāo)問題,得出樣本的綜合評價(jià)結(jié)果。在此基礎(chǔ)上,通過K-均值聚類分析得到客流節(jié)點(diǎn)分類標(biāo)準(zhǔn),為制定客運(yùn)專線的旅客列車開行方案提供科學(xué)依據(jù)。

1 客流節(jié)點(diǎn)聚類原理

節(jié)點(diǎn)的形成和功能定位是政治、經(jīng)濟(jì)、市場需求等多種因素綜合作用的結(jié)果。因此,客流節(jié)點(diǎn)的聚類應(yīng)保持客運(yùn)專線網(wǎng)絡(luò)的完整性,注重節(jié)點(diǎn)間的相關(guān)性和聯(lián)絡(luò)性,遵循與客運(yùn)專線網(wǎng)絡(luò)功能、客流量、客運(yùn)站技術(shù)作業(yè)能力、人口數(shù)量、經(jīng)濟(jì)發(fā)展水平和旅客出行需求等相適應(yīng)的原則。

1.1 聚類指標(biāo)體系的建立

綜合考慮與客流節(jié)點(diǎn)相關(guān)的運(yùn)輸組織、網(wǎng)絡(luò)銜接、地方經(jīng)濟(jì)等因素,將節(jié)點(diǎn)的客運(yùn)需求、路網(wǎng)屬性、客運(yùn)能力和社會(huì)屬性 4 項(xiàng)要素作為聚類研究的依據(jù),并在此基礎(chǔ)上,將節(jié)點(diǎn)聚類指標(biāo)層次化,得到 9 項(xiàng)二級(jí)指標(biāo),建立客流節(jié)點(diǎn)聚類綜合評價(jià)指標(biāo)體系,如圖1 所示。

1.2 聚類指標(biāo)體系的評價(jià)

應(yīng)用層次分析法對客流節(jié)點(diǎn)聚類評價(jià)指標(biāo)體系進(jìn)行綜合評價(jià)。

1.2.1 構(gòu)造判斷矩陣

采用 1~9 比例標(biāo)度進(jìn)行同層次兩兩要素之間的比較,構(gòu)造判斷矩陣。比例標(biāo)度的含義如下。標(biāo)度 1 表示兩個(gè)元素相比,具有同等重要性。標(biāo)度 2 表示兩元素重要性介于標(biāo)度 1 和標(biāo)度 3之間。

標(biāo)度 3 表示兩個(gè)元素相比,一個(gè)元素比另一個(gè)元素稍微重要。

標(biāo)度 4 表示兩元素重要性介于標(biāo)度 3 和標(biāo)度 5之間。

標(biāo)度 5 表示兩個(gè)元素相比,一個(gè)元素比另一個(gè)元素明顯重要。

標(biāo)度 6 表示兩元素重要性介于標(biāo)度 5 和標(biāo)度 7之間。

標(biāo)度 7 表示兩個(gè)元素相比,一個(gè)元素比另一個(gè)元素強(qiáng)烈重要。

標(biāo)度 8 表示兩元素重要性介于標(biāo)度 7 和標(biāo)度 9之間。

標(biāo)度 9 表示兩個(gè)元素相比,一個(gè)元素比另一個(gè)元素極端重要。

1.2.2 計(jì)算各級(jí)指標(biāo)權(quán)重

通過合積法求解判斷矩陣的特征根,其解即為同一層次各指標(biāo)的權(quán)重系數(shù),并對其進(jìn)行一致性檢驗(yàn),其檢驗(yàn)步驟如下。

(1)計(jì)算一致性指標(biāo):CI=(λmax-n)/(n-1)。式中:n 為判斷矩陣 A 的階數(shù);λmax為判斷矩陣 A 的最大特征根。

(2)計(jì)算一致性比例:CR =CI/RI。式中:RI 為平均隨機(jī)一致性指標(biāo),是CI 的修正系數(shù)。當(dāng) CR<0.1時(shí),一般認(rèn)為判斷矩陣的一致性是可以接受的。

1.2.3 二級(jí)指標(biāo)的量綱處理

在進(jìn)行指標(biāo)比較之前,需要定性描述指標(biāo)轉(zhuǎn)化為定量指標(biāo)問題,并統(tǒng)一數(shù)據(jù)量綱,以使評價(jià)結(jié)果更加科學(xué)、準(zhǔn)確。建立定性指標(biāo)評語集合{好:0.90~1.00;較好:0.75~0.90;一般:0.55~0.75;差:0.55 以下},根據(jù)指標(biāo)特點(diǎn)采用相應(yīng)的評價(jià)標(biāo)準(zhǔn),如表1 所示。定量指標(biāo)將指標(biāo)項(xiàng)數(shù)據(jù)劃分為 4 個(gè)評價(jià)區(qū)段,分別為好、較好、一般、差,再對各區(qū)段內(nèi)的節(jié)點(diǎn)進(jìn)行評分。各項(xiàng)定量指標(biāo)評價(jià)區(qū)段的劃分標(biāo)準(zhǔn)如表2 所示。

1.2.4 計(jì)算各項(xiàng)指標(biāo)得分和綜合得分

確定客流節(jié)點(diǎn)因素集U,按聚類因素分為 4 個(gè)子集:客運(yùn)需求U1、路網(wǎng)屬性U2、客運(yùn)能力U3、社會(huì)屬性U4。各子集Ui={ Ui1,Ui2,…,Uin}。

對每個(gè)子集 Ui進(jìn)行二級(jí)評價(jià),Ui的單要素測評矩陣為Ri=(rij)mm,其中,rij為 Ui子集中指標(biāo) j 的評價(jià)得分。構(gòu)造二級(jí)判斷矩陣得到評價(jià)指標(biāo)權(quán)重 Wi,二級(jí)評價(jià)結(jié)果為:

表1 定性指標(biāo)評價(jià)標(biāo)準(zhǔn)

表2 定量指標(biāo)評價(jià)標(biāo)準(zhǔn)

再將每個(gè)子集Ui當(dāng)作一個(gè)指標(biāo),用 Si作為單因素矩陣,進(jìn)行一級(jí)綜合評價(jià)。構(gòu)造一級(jí)判斷矩陣的各因素子集權(quán)重W,一級(jí)綜合評價(jià)結(jié)果為:

1.3 客流節(jié)點(diǎn)K-均值聚類統(tǒng)計(jì)

K-均值聚類算法是一種在無類標(biāo)號(hào)數(shù)據(jù)中發(fā)現(xiàn)簇和簇中心的方法。以綜合評價(jià)得分為依據(jù),對 N 個(gè)數(shù)據(jù)對象給出 K 個(gè)劃分,通過迭代把數(shù)據(jù)對象劃分到不同的簇中,使簇內(nèi)部之間對象的相似性很大,而簇之間對象的相似性很小,相似的計(jì)算根據(jù)一個(gè)簇中對象的平均值進(jìn)行。給定一個(gè)含有N個(gè)數(shù)據(jù)對象的數(shù)據(jù)庫,以及要生成的簇的數(shù)目K,隨即選取 K 個(gè)對象作為初始的 K 個(gè)聚類中心,然后計(jì)算剩余各個(gè)樣本到每一個(gè)聚類中心的距離,把該樣本歸到離其最近的那個(gè)聚類中心所在的類,對調(diào)整后的新類使用平均值的方法計(jì)算新的聚類中心,如果相鄰兩次的聚類中心沒有任何變化,說明樣本調(diào)整結(jié)束且聚類平均誤差準(zhǔn)則函數(shù) E 已經(jīng)收斂。

2 實(shí)例分析

以客運(yùn)專線站點(diǎn)所在城市為對象,選擇北京、上海、廣州、天津、武漢、大連、濟(jì)南、南京、鄭州、合肥、西安、重慶、洛陽、衡陽等 40 個(gè)城市,進(jìn)行聚類研究。

(1)對準(zhǔn)則層因素進(jìn)行兩兩比較,并按照1~9 比率標(biāo)度進(jìn)行打分,確定準(zhǔn)則層因素相對于目標(biāo)層因素的重要度,構(gòu)造一級(jí)判斷矩陣。同理,可得二級(jí)指標(biāo)判斷矩陣。

(2)按照歸一法,對判斷矩陣進(jìn)行計(jì)算,求出其特征向量,即得到標(biāo)準(zhǔn)層的一級(jí)指標(biāo)相對于目標(biāo)層的權(quán)重W=[0.55,0.24,0.16,0.55]。同理,可得二級(jí)指標(biāo)相對于一級(jí)指標(biāo)的權(quán)重W1=[0.58,0.31,0.11],W2=[0.67,0.33],W4=[0.64,0.26,0.1]。

對一級(jí)指標(biāo)特征向量進(jìn)行一致性檢驗(yàn),先求出特征根 λmax=4.06,n=4。

CI=(4.06-n)/(n-1)=0.06/3=0.02,CR=CI/RI=0.02<0.1,故通過一致性檢驗(yàn)。

同理,二級(jí)指標(biāo) 4 個(gè)特征向量均通過一致性檢驗(yàn)。

(3)根據(jù)客流節(jié)點(diǎn)所在城市的實(shí)際情況,按照指標(biāo)評價(jià)標(biāo)準(zhǔn),計(jì)算各城市的二級(jí)指標(biāo)得分,并利用式 ⑴ 和式 ⑵ 計(jì)算所選城市的一級(jí)指標(biāo)評價(jià)得分和綜合評價(jià)得分。評價(jià)結(jié)果如表3 所示。

(4)依據(jù)評價(jià)得分,應(yīng)用 SPSS 軟件對所選城市的評價(jià)得分進(jìn)行K—均值聚類運(yùn)算,統(tǒng)計(jì)結(jié)果如表4 所示。

綜合 SPSS 統(tǒng)計(jì)軟件計(jì)算結(jié)果,結(jié)合鐵路客運(yùn)專線生產(chǎn)力布局規(guī)劃,根據(jù)最終得分將客流節(jié)點(diǎn)所在城市劃分為 4 類:①綜合得分在 0.91~1.00 之間;②綜合得分在 0.79~0.90 之間;③綜合得分在0.70~0.78 之間;④綜合得分低于 0.70。

表3 客流節(jié)點(diǎn)指標(biāo)綜合評分結(jié)果

表4 客流節(jié)點(diǎn)得分聚類結(jié)果

3 聚類統(tǒng)計(jì)結(jié)果分析

由以上聚類統(tǒng)計(jì)結(jié)果可知,我國客運(yùn)專線的客流節(jié)點(diǎn)所在城市的層次結(jié)構(gòu)有以下 4 大類。

第一類包括北京、上海、廣州、武漢等城市。這些城市一般位于鐵路網(wǎng)中多條干線縱橫交錯(cuò)的位置,同時(shí)擔(dān)負(fù)著南北與東西通道的鐵路運(yùn)輸任務(wù),屬于整個(gè)路網(wǎng)的神經(jīng)中樞。同時(shí),此類客流節(jié)點(diǎn)多位于人口規(guī)模較大、經(jīng)濟(jì)高度發(fā)達(dá)的中心城市,對全國政治、經(jīng)濟(jì)、文化的發(fā)展有至關(guān)重要的影響。另外,此類節(jié)點(diǎn)城市還是最重要的始發(fā)終到站點(diǎn),其始發(fā)終到客流占有很大的比例。

第二類包括西安、成都、濟(jì)南、沈陽等城市。這些城市一般位于幾條鐵路主干道的交叉處,同時(shí)也是區(qū)域內(nèi)多條次要通道的匯集中心,在客運(yùn)專線網(wǎng)中起到承上啟下的中轉(zhuǎn)過渡功能。這些城市多為省會(huì)城市,人口集中、經(jīng)濟(jì)較發(fā)達(dá),與周邊地區(qū)和城市有著密切聯(lián)系,對區(qū)域經(jīng)濟(jì)的形成和發(fā)展有舉足輕重的影響。該類節(jié)點(diǎn)客流呈現(xiàn)多樣性,流向較為分散,跨線客流所占比例較大。

第三類包括大連、太原、蘭州、合肥等城市。這些城市一般位于客運(yùn)專線各條干道盡端或通過之處,屬于區(qū)域內(nèi)交通的必要節(jié)點(diǎn),主要完成區(qū)域內(nèi)相應(yīng)地方性節(jié)點(diǎn)間的聯(lián)絡(luò),并為上層區(qū)域輸送客源。此類城市的人口規(guī)模和經(jīng)濟(jì)水平均為中上水平,人口出行數(shù)量和方向較為穩(wěn)定。這些節(jié)點(diǎn)的運(yùn)輸組織以中短途客流為主,主要開行區(qū)域列車。

第四類包括唐山、溫州、新鄉(xiāng)、信陽等城市。此類城市多屬于直達(dá)列車的停站服務(wù)范圍,在路網(wǎng)中不具有突出的地位,客流吸引和集散能力較弱。

4 結(jié)束語

采用層次分析法對客流節(jié)點(diǎn)進(jìn)行綜合評價(jià),選取具有代表性的評價(jià)指標(biāo),合理統(tǒng)一量綱,對客流節(jié)點(diǎn)的評價(jià)得分進(jìn)行K-均值聚類分析,能方便且較準(zhǔn)確地得出聚類結(jié)果,有助于鐵路客運(yùn)部門準(zhǔn)確把握客流節(jié)點(diǎn)的重要性,對制定列車開行方案和運(yùn)輸組織工作具有一定的指導(dǎo)意義。

[1]任若思,王惠文. 多元統(tǒng)計(jì)數(shù)據(jù)分析——理論、方法、實(shí)例[M]. 北京:國防工業(yè)出版社,1997.

[2]李永文. 關(guān)于鐵路旅客滿意度的調(diào)查分析[J]. 鐵道經(jīng)濟(jì)研究,2002 (5):33-35.

[3]王志華,趙 冬,余永華. 基于模糊 C 均值聚類的柴油機(jī)故障診斷[J]. 船海工程,2007 (4):56-57.

[4]戴 賓. 改革開放以來四川區(qū)域發(fā)展戰(zhàn)略的回顧與思考[J].經(jīng)濟(jì)體制改革,2009 (1):140-142.

[5]李永文. 關(guān)于鐵路旅客滿意度的調(diào)查分析[J]. 鐵道經(jīng)濟(jì)研究,2002 (5):33-35.

猜你喜歡
標(biāo)度客流聚類
客流增多
城市軌道交通節(jié)假日期間大客流行車組織思考與實(shí)踐
基于改進(jìn)AHP法的綠色建材評價(jià)指標(biāo)權(quán)重研究
基于K-means聚類的車-地?zé)o線通信場強(qiáng)研究
基于多維標(biāo)度法的農(nóng)產(chǎn)品價(jià)格分析
基于高斯混合聚類的陣列干涉SAR三維成像
基于Spark平臺(tái)的K-means聚類算法改進(jìn)及并行化實(shí)現(xiàn)
加權(quán)無標(biāo)度網(wǎng)絡(luò)上SIRS 類傳播模型研究
基于自學(xué)習(xí)補(bǔ)償?shù)氖覂?nèi)定位及在客流分析中的應(yīng)用
基于改進(jìn)的遺傳算法的模糊聚類算法
荔波县| 凌云县| 丰镇市| 海安县| 永仁县| 竹山县| 含山县| 甘肃省| 余姚市| 海兴县| 休宁县| 广东省| 札达县| 梨树县| 辰溪县| 宁波市| 桐庐县| 瑞安市| 兴国县| 靖边县| 临泽县| 大理市| 昭通市| 广宁县| 鄂托克前旗| 阿城市| 绍兴市| 五家渠市| 定结县| 竹山县| 宕昌县| 广丰县| 英德市| 安塞县| 许昌县| 育儿| 东至县| 金川县| 老河口市| 泸溪县| 安溪县|