基于PDE与机器学习的轨道交通站点动态分类与预测方法

本发明涉及人工智能分类技术领域，具体涉及基于PDE与机器学习的轨道交通站点动态分类与预测方法，包括以下步骤：S1：对获取的NPRT指标进行预处理；S101：选取节点指标和位置指标，并对车站的综合交通价值和位置价值进行评估；S102：采用信息熵加权，并将节点指标和位置指标分别整合为节点值N和位置值P；S103：通过不同的聚类方法，进行站点划分，并选择性能最优的聚类模型作为最终的站点划分方法；S104：通过拟合方法，对各个站点的客流量进行预测；S105：对站点的客流量进行聚类分析，构建有标签的数据集；S2：引入偏微分方程，并建立PDE‑NPRT模型，对PDE‑NPRT模型进行训练。本发明结合了偏微分方程（PDE）与机器学习技术，提高了交通站点分类的精度和可靠性。