一种基于多元数据和可解释机器学习的公共交通节点效能分析方法

一种基于多元数据和可解释机器学习的公共交通节点效能分析方法，涉及机器学习领域，为了解决现有技术因数据来源单一、空间分析粒度不足及个体出行行为与公共交通节点微观特征匹配不精准导致的效能分析不全面的问题，包括：S1多源数据采集与预处理；S2通过出行链编码生成主出行方式标签；S3基于150米缓冲区叠加及线路密度阈值构建公交节点空间；S4统计节POI比例，融合区位指标生成节点特征向量；S5通过线路匹配与距离阈值关联出行起点与节点空间，融合个体、节点特征构建数据集；S6采用分层LightGBM模型结合SHAP解释，量化节点功能布局对出行选择的非线性影响。本发明在城市交通规划领域具有良好的应用前景。