本发明涉及一种基于聚类算法与粒子群算法的定制公交线路设计方法，属于城市交通大数据。
背景技术：
1、随着城市化进程的加速和城市居民的快速增长，城市交通拥堵和停车难的问题越来越严重。公共交通作为城市交通体系的重要组成部分，是缓解交通拥堵和改善城市环境的重要手段。设计合理的公交线路能够提高公共交通服务的效率和质量，为了满足乘客的出行需求，公交线路的设计变得越来越重要。
2、传统的公交线路设计是依赖于专业规划师的经验和知识。但是，由于城市的复杂性和交通需求的多样性，传统的公交线路设计存在路线规划不灵活、用户满意度低、交通堵塞等问题，所以传统的手工方法难以满足大规模的公交线路设计。传统的人工定制公交线路，虽然可以有效的解决学校附近拥堵问题、上下班通勤问题，但也存在服务费用偏贵、行驶里程偏高、耗时过长等问题，无法满足大部分人民群众出行需求。
技术实现思路
1、本发明所要解决的技术问题在于提供一种基于聚类算法与粒子群算法的定制公交线路设计方法，实现自动化设计公交线路，提高公交线路的效率，满足乘客的公交出行需求。
2、为解决上述技术问题，本发明采用的技术方案如下：
3、一种基于聚类算法与粒子群算法的定制公交线路设计方法，包括以下步骤，
4、(1)对用户的位置经纬度数据进行可视化分析，根据分析结果将零散点的用户和稠密用户进行划分；
5、(2)使用基于密度聚类的dbscan算法进一步进行数据筛选，将密度低于阈值的数据进行剔除；
6、(3)使用根据距离聚类的k-means算法对稠密用户的经纬度数据进行聚类分析，得到距离在一定范围内的用户聚为一类，将这部分用户的中心点作为车辆行驶的站点，并根据实际地理情况决定聚类的类别数，也就是站点的个数；
7、(4)基于k-means输出的类别，计算每个类别的几何中心点，用作用户的上车点；
8、(5)在载重和行驶距离约束下采用贪婪策略为上车点分配车辆。
9、具体来说，所述的k-means算法包括以下流程：
10、算法输入：k-簇的数目，d-数据集；
11、算法流程：
12、(1)初始化：从d中随机选择k个对象作为初始簇中心；
13、(2)在满足约束的情况下，将对象分配到最相似的簇中，如果最相似的簇无法容纳，就找第二相似的簇；
14、(3)重新计算每个簇中对象的均值，作为新的簇中心；
15、(4)直到k个簇的中心不再发生变化；
16、算法输出：k个簇的集合。
17、本发明的有益效果：与现有技术相比，本专利提出一种基于kmeans算法，dbscan算法和粒子群算法的定制公交线路模型，利用大数据技术实现定制公交线路最优化设计。本发明可根据乘客的出行要求来实现自动化设计公交线路。本发明通过聚类分析和粒子群优化算法，自动确定公交线路的线路、站点和发车时间，从而提高公交线路的效率和满足乘客的需求。本发明实施方案简单，成本低，具有应用前景和优点，可应用于城市公共交通服务的改进，并为城市交通建设提供技术支持。
18、本发明具有以下特点：
19、(1)综合运用kmeans算法、dbscan算法和粒子群算法，使得公交线路的规划更加精准和科学。
20、(2)将学生分布、交通流量、道路、公交车站等信息数字化，为建立公交线路模型提供了基础数据支持。
21、(3)通过验证实际公交出行数据，不断完善和改进算法和模型，提高公交线路规划的可靠性和实用性。
22、(4)将kmeans和dbscan应用于聚类分析，根据乘客的出行需求自动化地确定公交线路的线路和站点。
23、(5)利用粒子群优化算法，优化车辆启动成本和车辆行驶成本之和，实现公交线路的高效运行。
24、(6)实现了定制公交线路的自动化设计和个性化需求，可以根据乘客的实际需求，针对不同地区和人口流量，生成不同的公交线路方案，更好的满足乘客的个性化出行需求。
25、(7)更加高效：利用机器学习算法，对出发点进行聚类和轨迹提取，从而得到更加高效的公交路线。
26、(8)更加舒适：通过路线的精细优化，可以提供更加舒适的公交出行体验，提高了公交线路规划的精准度和科学性，优化后的公交线路方案较原来更加合理、准确和高效，降低了城市交通拥堵和污染，优化了公共交通服务水平。
27、本专利可以广泛应用于城市公共交通运输领域，改善公共交通服务水平，减少交通拥堵和环境污染，提升城市形象和品质。同时，还可以应用于物流、出行服务等领域，为城市间的人员、物资流动提供支持和优化。
1.一种基于聚类算法与粒子群算法的定制公交线路设计方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的基于聚类算法与粒子群算法的定制公交线路设计方法，其特征在于:所述的k-means算法包括以下流程：
