CN113705623A - 一种轨道交通站点的分类方法及装置 - Google Patents

Abstract

本公开涉及轨道交通技术领域，提供了一种轨道交通站点的分类方法、装置、计算机设备及计算机可读存储介质。该方法包括：获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；根据各个轨道交通站点各自分别对应的站点属性信息，对多个轨道交通站点进行聚类，得到若干个聚类集合；针对每一聚类集合，根据聚类集合中的轨道交通站点的站点属性信息，确定聚类集合的类别属性；根据若干个聚类集合各自分别对应的类别属性，确定多个轨道交通站点各自分别对应的类别。本方法可以提高轨道交通站点分类的准确性和合理性，为城市轨道交通站点及其周边的设计提供了技术支撑。

Description

一种轨道交通站点的分类方法及装置

技术领域

本公开涉及轨道交通技术领域，尤其涉及一种轨道交通站点的分类方法及装置。

背景技术

城市轨道交通站点是城市公共交通网络的一个节点，同时也是一个设施集中、有着多样化的建筑物和开放空间的区域。由于轨道交通途经沿线的不同区位、城市功能、既有用地格局的影响，在城市轨道交通站点周边空间土地开发与利用、基础设施衔接规划以及客流吸引特征等相关研究方面，不同类型的站点间往往存在着较大的差异性。因此有必要探讨不同类别站点间的这种差异，也就是说，针对轨道交通站点以及其周边的设计都需要先对站点进行分类分析，然后根据站点的类别确定。

目前，国内外均没有出台城市轨道交通站点的分类的相关标准。许多学者出于本身研究的需要，往往只是对城市轨道交通站点进行定性的分类，没有综合考虑土地利用、综合交通等多种属性的影响做出可量化的判断依据，不能真实反映站点的特点，进而影响设计的准确性和合理性。故此，亟需一种新的轨道交通站点的分类方案。

发明内容

有鉴于此，本公开实施例提供了一种轨道交通站点的分类方法、装置、计算机设备及计算机可读存储介质，以解决现有技术中对轨道交通站点进行分类时，没有综合考虑轨道交通站点的多种属性信息的影响做出可量化的判断依据，不能真实反映轨道交通站点的特征，即对于轨道交通站点的分类不准确，进而影响轨道交通站点及其周边设计的准确性和合理性的问题。

本公开实施例的第一方面，提供了一种轨道交通站点的分类方法，该方法包括：

获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；

根据该各个轨道交通站点各自分别对应的站点属性信息，对该多个轨道交通站点进行聚类，得到若干个聚类集合；

针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性；

根据该若干个聚类集合各自分别对应的类别属性，确定该多个轨道交通站点各自分别对应的类别。

本公开实施例的第二方面，提供了一种轨道交通站点的分类装置，该装置包括：

信息获取模块，用于获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；

站点聚类模块，用于根据该各个轨道交通站点各自分别对应的站点属性信息，对该多个轨道交通站点进行聚类，得到若干个聚类集合；

属性确定模块，用于针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性；

类别确定模块，用于根据该若干个聚类集合各自分别对应的类别属性，确定该多个轨道交通站点各自分别对应的类别。

本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果是：本公开实施例可以先获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；然后，可以根据该各个轨道交通站点各自分别对应的站点属性信息，对该多个轨道交通站点进行聚类，得到若干个聚类集合；以及，针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性；最后，可以根据该若干个聚类集合各自分别对应的类别属性，确定该多个轨道交通站点各自分别对应的类别。由于本申请是通过根据各个轨道交通站点各自分别对应的站点属性信息，对多个轨道交通站点进行聚类，以及根据聚类结果(即聚类得到的聚类集合)确定多个轨道交通站点各自分别对应的类别的，因此，本申请在对轨道交通站点进行分类的过程，不仅考虑了轨道交通站点自身对应的站点属性信息，还考虑了与轨道交通站点相似的其他轨道交通站点对应的站点属性信息，克服了现有轨道交通站点分类过程中定性笼统获取分类、采集变量内容不全面、分析结果单一、自动程度低下等缺陷；可见，本申请所提供的方法可以根据各个轨道交通站点的站点属性信息，对轨道交通站点进行准确、合理地分类，从而提高了轨道交通站点分类的准确性和合理性，为城市轨道交通站点及其周边的设计提供了技术支撑。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本公开实施例的应用场景的场景示意图；

图2是本公开实施例提供的轨道交通站点的分类方法的流程图；

图3是本公开实施例提供的轨道交通站点的分类界面示意图；

图4是本公开实施例提供的轨道交通站点的分类装置的框图；

图5是本公开实施例提供的计算机设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。

下面将结合附图详细说明根据本公开实施例的一种轨道交通站点的分类方法和装置。

在现有技术中，由于传统的轨道交通站点的分类方法，往往只是对城市轨道交通站点进行定性的分类，没有综合考虑土地利用、综合交通等多种属性的影响做出可量化的判断依据，不能真实反映站点的特点，从而导致轨道交通站点的分类不合理、不准确，进而影响轨道交通站点及其周边的设计的准确性和合理性。。

为了解决上述问题。本发明提供了一种轨道交通站点的分类方法，在本方法中，由于本申请是通过根据各个轨道交通站点各自分别对应的站点属性信息，对多个轨道交通站点进行聚类，以及根据聚类结果(即聚类得到的聚类集合)确定多个轨道交通站点各自分别对应的类别的，因此，本申请在对轨道交通站点进行分类的过程，不仅考虑了轨道交通站点自身对应的站点属性信息，还考虑了与轨道交通站点相似的其他轨道交通站点对应的站点属性信息，克服了现有轨道交通站点分类过程中定性笼统获取分类、采集变量内容不全面、分析结果单一、自动程度低下等缺陷；可见，本申请所提供的方法可以根据各个轨道交通站点的站点属性信息，对轨道交通站点进行准确、合理地分类，从而提高了轨道交通站点分类的准确性和合理性，为城市轨道交通站点及其周边的设计提供了技术支撑。

举例说明，本发明实施例可以应用到如图1所示的应用场景。在该场景中，可以包括终端设备1和服务器2。

终端设备1可以是硬件，也可以是软件。当终端设备1为硬件时，其可以是具有显示屏且支持与服务器2通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备1为软件时，其可以安装在如上该的电子设备中。终端设备1可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备1上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。

服务器2可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器2可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。

需要说明的是，服务器2可以是硬件，也可以是软件。当服务器2为硬件时，其可以是为终端设备1提供各种服务的各种电子设备。当服务器2为软件时，其可以是为终端设备1提供各种服务的多个软件或软件模块，也可以是为终端设备1提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。

终端设备1与服务器2可以通过网络进行通信连接。网络可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near Field Communication，NFC)、红外(Infrared)等，本公开实施例对此不作限制。

具体地，用户可以通过终端设备1输入待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；终端设备1将待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息向服务器2发送。服务器2先根据各个轨道交通站点各自分别对应的站点属性信息，对多个轨道交通站点进行聚类，得到若干个聚类集合；然后，服务器2可以根据该户型信息，确定该目标房屋对应的户型属性；接着，服务器2可以针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性，紧接着，服务器2可以根据若干个聚类集合各自分别对应的类别属性，确定多个轨道交通站点各自分别对应的类别。这样，由于本申请是通过根据各个轨道交通站点各自分别对应的站点属性信息，对多个轨道交通站点进行聚类，以及根据聚类结果(即聚类得到的聚类集合)确定多个轨道交通站点各自分别对应的类别的，因此，本申请在对轨道交通站点进行分类的过程，不仅考虑了轨道交通站点自身对应的站点属性信息，还考虑了与轨道交通站点相似的其他轨道交通站点对应的站点属性信息，克服了现有轨道交通站点分类过程中定性笼统获取分类、采集变量内容不全面、分析结果单一、自动程度低下等缺陷；可见，本申请所提供的方法可以根据各个轨道交通站点的站点属性信息，对轨道交通站点进行准确、合理地分类，从而提高了轨道交通站点分类的准确性和合理性，为城市轨道交通站点及其周边的设计提供了技术支撑。

需要说明的是，终端设备1和服务器2以及网络的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。

需要注意的是，上述应用场景仅是为了便于理解本公开而示出，本公开的实施方式在此方面不受任何限制。相反，本公开的实施方式可以应用于适用的任何场景。

图2是本公开实施例提供的一种轨道交通站点的分类方法的流程图。图2的一种轨道交通站点的分类方法可以由图1的终端设备或服务器执行。如图2所示，该轨道交通站点的分类方法包括：

S201：获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息。

在本实施例中，轨道交通站点可以理解为轨道类型的交通的站点，例如地铁站站点、轻轨站站点、火车站站点、高铁站站点等。轨道交通站点对应的站点属性信息可以理解为能够反映轨道交通站点的站点特点或特性的属性，比如，轨道交通站点的站点属性信息可以包括城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息。

轨道交通站点的城市类别可以理解为轨道交通站点所在城市的成熟度类别，可以理解的是，城市类别反映了轨道交通站点所在城市的成熟程度。在一种实现方式中，轨道交通站点的城市类别可以包括初阶城市、中阶城市、中高阶城市、高阶城市。初阶城市的特征为轨道线路少于第一阈值、部分城市发展潜力高、轨道运营里程小于80公里、平均轨道建设密度小于0.2、所有站点的平均城市客流强度小于0.8的城市；中阶城市特征为初步形成网络、部分城市规划不合理、价值偏低、轨道运营里程在20～200公里之间、平均轨道建设密度为0.2～0.4之间、所有站点的平均城市客流强度为0.6～1.3的城市；中高阶城市特征为线路相对密集、以核心区加密带动周边辐射、轨道运营里程在150～400公里之间、平均轨道建设密度为0.3～0.5之间、所有站点的平均城市客流强度为0.8～1.5之间的城市；高阶城市特征为核心区网状结构形成、新建以外围辐射为主、轨道运营里程大于400公里、平均轨道建设密度大于0.5、所有站点的平均城市客流强度大于或等于1.5的城市。

轨道交通站点的运营里程可以理解为经过该轨道交通站点的所有轨道的运营里程之和。轨道交通站点的轨道建设密度为轨道线路数量除以城市面积的积值。轨道交通站点的城市客流强度为轨道交通站点的总体客流量(比如日客流量、月客流量或者年客流量)。轨道交通站点的周边人口维度信息可以理解为轨道交通站点的预设范围内的各类人口数量，比如轨道交通站点的预设范围内的居住人口数量、工作人口数量、新增人口数量等。

S202：根据该各个轨道交通站点各自分别对应的站点属性信息，对该多个轨道交通站点进行聚类，得到若干个聚类集合。

其中，每个聚类集合中均至少包括一个轨道交通站点，且在每个聚类集合中，同个聚类集合中的各个轨道交通站点之间的站点属性信息的距离为最小，可以理解的是，同个聚类集合中的各个轨道交通站点的站点属性信息为最相似或最接近的。需要说明的是，在本实施例的一种实现方式中，聚类集合的数量与预设的轨道交通站点的类别数量是相同的。

在获取到待分类的多个轨道交通站点以及各个轨道交通站点各自分别对应的站点属性信息之后，可以根据各个轨道交通站点各自分别对应的站点属性信息进行聚类，以便可以将站点属性信息相近或相似的轨道交通站点聚集为一个聚类集合。这样，在对轨道交通站点进行分类的过程，不仅考虑了轨道交通站点自身对应的站点属性信息，还考虑了与轨道交通站点相似或相似的其他轨道交通站点对应的站点属性信息，克服了现有轨道交通站点分类过程中定性笼统获取分类、采集变量内容不全面、分析结果单一、自动程度低下等缺陷。

S203：针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性。

在获取到若干聚类集合后，可以分别确定每一聚类集合的类别属性。其中，聚类集合的类别属性可以理解为能够反映该聚类集合中所有轨道交通站点所对应的类别等级高低程度的信息，可以理解的是，类别等级高低程度也体现了轨道交通站点的市场发展成熟程度。需要说明的是，在本实施例中，可以根据聚类集合中所有轨道交通站点的站点属性信息，确定该聚类集合的类别属性。

在一种实现方式中，聚类集合的类别属性可以为类别分数。其中，聚类集合的类别分数越高，说明该聚类集合的类别等级越高，也反映了该聚类集合中的轨道交通站点的市场发展成熟程度越高，比如，该轨道交通站点的周边写字楼较多、居民楼较多、商场较多、人口数量较多、交通更加便利等；反之，聚类集合的类别分数越低，说明该聚类集合的类别等级越低，也反映了该聚类集合中的轨道交通站点的市场发展成熟程度越低，比如，该轨道交通站点的周边写字楼较少、居民楼较少、商场较少、人口数量较少、交通更加不便捷等。

S204：根据该若干个聚类集合各自分别对应的类别属性，确定该多个轨道交通站点各自分别对应的类别。

在本实施例中，可以预先设置了多个轨道交通站点的类别，其中，各个轨道交通站点的类别对应的类别等级均不同。在一种实现方式中，每一轨道交通站点的类别所反映的站点发展成熟程度不同，比如轨道交通站点的类别等级越高，轨道交通站点的类别所反映的站点发展成熟程度越高，反之，轨道交通站点的类别等级越低，轨道交通站点的类别所反映的站点发展成熟程度越低。例如，可以预先设置有八个轨道交通站点的类别，分别为超大型类别、大型类别、超高级类别、高级类别、中高级类别、中级类别、中低级类别、低级类别，其中，类别等级由高到低的排序分别为：超大型类别、大型类别、超高级类别、高级类别、中高级类别、中级类别、中低级类别、低级类别。

在本实施例中，可以先根据该若干个聚类集合各自分别对应的类别属性，确定各个聚类集合各自分别对应的类别。由于一个聚类集合中的所有轨道交通站点的站点属性信息相近或相似，因此，一个聚类集合中的所有轨道交通站点的类别可以为同一类别，故可以将聚类集合对应的类别作为该聚类集合中所有轨道交通站点对应的类别。

接下来结合图3进行举例说明，假设对多个轨道交通站点进行聚类，得到三个聚类集合，且，三个聚类集合的类别属性由高到低的排序分别为：聚类集合a、聚类集合b和聚类集合c；预先设置了3个轨道交通站点的类别，分别为A1类别、B2类别和C1类别，且，三个类别的类别等级由高到低的排序分别为：A1类别、B2类别和C1类别。因此，可以确定聚类集合a的类别为A1类别，相应地，可以将聚类集合a中的天津站的类别确定为A1类别；聚类集合b的类别为B2类别，相应地，可以将聚类集合b中的建国道站、远洋国际中心站、津湾广场站、和平路站的类别确定为B2类别；聚类集合c的类别为C1类别，相应地，可以将聚类集合c中的大王庄站的类别为C1类别。

本公开实施例与现有技术相比存在的有益效果是：本公开实施例可以先获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；然后，可以根据该各个轨道交通站点各自分别对应的站点属性信息，对该多个轨道交通站点进行聚类，得到若干个聚类集合；以及，针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性；最后，可以根据该若干个聚类集合各自分别对应的类别属性，确定该多个轨道交通站点各自分别对应的类别。由于本申请是通过根据各个轨道交通站点各自分别对应的站点属性信息，对多个轨道交通站点进行聚类，以及根据聚类结果(即聚类得到的聚类集合)确定多个轨道交通站点各自分别对应的类别的，因此，本申请在对轨道交通站点进行分类的过程，不仅考虑了轨道交通站点自身对应的站点属性信息，还考虑了与轨道交通站点相似的其他轨道交通站点对应的站点属性信息，克服了现有轨道交通站点分类过程中定性笼统获取分类、采集变量内容不全面、分析结果单一、自动程度低下等缺陷；可见，本申请所提供的方法可以根据各个轨道交通站点的站点属性信息，对轨道交通站点进行准确、合理地分类，从而提高了轨道交通站点分类的准确性和合理性，为城市轨道交通站点及其周边的设计提供了技术支撑。

在一些实施例中，S202中的根据该各个轨道交通站点各自分别对应的站点属性信息，对该多个轨道交通站点进行聚类，得到若干个聚类集合的步骤，可以包括以下步骤：

S202a：根据类簇初始值K和该各个轨道交通站点各自分别对应的站点属性信息，确定K个聚类集合中每个聚类集合的聚类中心；其中，K为正整数。

其中，类簇初始值可以是根据预设的轨道交通站点的类别数量所确定的，比如类簇初始值K可以与轨道交通站点的类别数量相同。

作为一种示例，可以从多个轨道交通站点中随机选择K个轨道交通站点，并将该K个轨道交通站点分别作为该K个聚类集合中的一个待定聚类中心。也就是说，在本实施例中可以针对每一个聚类集合，先分别挑选一个轨道交通站点作为该聚类集合的待定聚类中心，且，每个聚类集合的待定聚类中心均为不同的轨道交通站点。

针对每一轨道交通站点，可以先确定该轨道交通站点分别与各个待定聚类中心的距离。然后，可以确定该轨道交通站点分别与各个待定聚类中心的距离中的最小距离，即在该轨道交通站点分别与各个待定聚类中心的距离中，确定最小距离，以及，确定该最小距离对应的待定聚类中心，并将该轨道交通站点划分到的最小距离对应的聚类集合，即该待定聚类中心对应的聚类集合。

在一种实现方式中，确定该轨道交通站点分别与各个待定聚类中心的距离的方式可以包括以下步骤。针对每一个待定聚类中心，确定该轨道交通站点与该待定聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离。比如，可以确定该轨道交通站点的城市类别与该待定聚类中心的城市类别的欧式距离、该轨道交通站点的运营里程与该待定聚类中心的运营里程的欧式距离、该轨道交通站点的轨道建设密度与该待定聚类中心的轨道建设密度的欧式距离、该轨道交通站点的城市客流强度与该待定聚类中心的城市客流强度的欧式距离以及该轨道交通站点的周边人口维度信息与该待定聚类中心的周边人口维度信息的欧式距离。接着，可以根据该轨道交通站点与该待定聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离，确定该轨道交通站点与该待定聚类中心的距离，例如，可以将该轨道交通站点与该待定聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离的平均值作为该轨道交通站点与该待定聚类中心的距离。

然后，可以针对每一个聚类集合，确定该聚类集合中各个轨道交通站点的质心，比如，可以确定该聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值，并将城市类别维度下的平均值、运营里程维度下的平均值、轨道建设密度维度下的平均值、城市客流强度维度下的平均值和周边人口维度信息维度下的平均值对应的点作为质心。

若该质心为该聚类集合的待定聚类中心，说明此时的待定聚类中心与该聚类集合中的各个轨道交通站点的距离均为最小距离，则可以将该待定聚类中心作为该聚类集合的聚类中心。若该质心与该聚类集合的待定聚类中心不相同，说明此时的待定聚类中心与该聚类集合中的各个轨道交通站点的距离并非均为最小距离，则需要将该质心作为待定聚类中心，即更新待定聚类中心，并重新执行该针对每一轨道交通站点，确定该轨道交通站点分别与各个待定聚类中心的距离的步骤，直至该质心为该聚类集合的待定聚类中心。

S202b：根据该各个轨道交通站点各自分别对应的站点属性信息和各个聚类中心，将该多个轨道交通站点分别分配至一聚类集合，得到聚类后的K个聚类集合。

在确定各个聚类集合中每个聚类集合的聚类中心后，针对每一个轨道交通站点，可以先根据该轨道交通站点的站点属性信息以及各个聚类中心的站点属性信息，确定该轨道交通站点分别与各个聚类中心的距离。比如，可以确定该轨道交通站点的城市类别与聚类中心的城市类别的欧式距离、该轨道交通站点的运营里程与该聚类中心的运营里程的欧式距离、该轨道交通站点的轨道建设密度与该聚类中心的轨道建设密度的欧式距离、该轨道交通站点的城市客流强度与该聚类中心的城市客流强度的欧式距离以及该轨道交通站点的周边人口维度信息与该聚类中心的周边人口维度信息的欧式距离。接着，可以根据该轨道交通站点与该聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离，确定该轨道交通站点与该聚类中心的距离，例如，可以将该轨道交通站点与该聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离的平均值作为该轨道交通站点与该聚类中心的距离。

然后，可以在该轨道交通站点分别与各个聚类中心的距离中，确定一最小距离。接着，可以确定该最小距离对应的聚类中心，并将该轨道交通站点划分到该聚类中心对应的聚类集合中。

在对所有轨道交通站点均按照上述的划分方式进行划分后，便可以得到聚类后的K个聚类集合。

可见，根据本公开实施例提供的技术方案，通过根据类簇初始值K和各个轨道交通站点各自分别对应的站点属性信息，确定K个聚类集合中每个聚类集合的聚类中心；以及，根据各个轨道交通站点各自分别对应的站点属性信息和各个聚类中心，将多个轨道交通站点分别分配至一聚类集合，得到聚类后的K个聚类集合。这样，通过根据各个轨道交通站点各自分别对应的站点属性信息，对多个轨道交通站点进行聚类处理，可以使得待分类的多个轨道交通站点的分类更加准确。

在一些实施例中，S204中的针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性的步骤，可以包括以下步骤：

针对每一聚类集合，可以先根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值。即确定聚类集合中所有轨道交通站点的城市类别的平均值，确定聚类集合中所有轨道交通站点的运营里程的平均值，确定聚类集合中所有轨道交通站点的轨道建设密度的平均值，确定聚类集合中所有轨道交通站点的城市客流强度的平均值，确定聚类集合中所有轨道交通站点的周边人口维度信息的平均值。

然后，可以根据该聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值，以及城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息各自分别对应的预设权重值，确定该聚类集合的类别属性。例如，可以先确定城市类别的平均值与城市类别对应的预设权重值的第一乘积值，确定运营里程的平均值与运营里程对应的预设权重值的第二乘积值，确定轨道建设密度的平均值与轨道建设密度对应的预设权重值的第三乘积值，确定城市客流强度的平均值与城市客流强度对应的预设权重值的第四乘积值，确定周边人口维度信息的平均值与周边人口维度信息对应的预设权重值的第五乘积值，接着，将第一乘积值、第二乘积值、第三乘积值、第四乘积值和第五乘积值的平均值作为该聚类集合的类别属性。

可见，本实施例中，根据聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值，以及城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息各自分别对应的预设权重值，确定该聚类集合的类别属性的方式，可以提高所确定的聚类集合的类别属性的准确性。

在一些实施例中，假设轨道交通站点的类别包括K个类别，S204中的根据该若干个聚类集合各自分别对应的类别属性，确定该多个轨道交通站点各自分别对应的类别的步骤，可以包括以下步骤：

可以先根据该K个聚类集合各自分别对应的类别属性，对该K个聚类集合进行排序，得到聚类集合排序结果。例如可以按照类别属性由高到低的顺序，对该K个聚类集合进行排序，得到聚类集合排序结果。

然后，可以根据该聚类集合排序结果，确定该K个聚类集合各自分别对应的类别；其中，每个聚类集合对应的类别均不相同。比如，排序结果为：聚类集合A、聚类集合B和聚类集合C，且该排序结果是根据类别属性由高到低的顺序排序的，而且预设了三个类别，且该三个类别由类别等级高到低的排序分别为：类别a、类别b和类别c；假设按照类别属性越高，类别等级越高的分配原则进行类别分配，则可以确定聚类集合A的类别为类别a、聚类集合B的类别为类别b和聚类集合C的类别为类别c。接着，可以针对每一个聚类集合，将该聚类集合对应的类别作为该聚类集合中的轨道交通站点的类别。可见，通过上述方式，可以使得各个聚类集合中的轨道交通站点的类别分类更加准确、合理。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图4是本公开实施例提供的轨道交通站点的分类装置的示意图。如图4所示，该轨道交通站点的分类装置包括：

信息获取模块401，用于获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；

站点聚类模块402，用于根据该各个轨道交通站点各自分别对应的站点属性信息，对该多个轨道交通站点进行聚类，得到若干个聚类集合；

属性确定模块403，用于针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合的类别属性；

类别确定模块404，用于根据该若干个聚类集合各自分别对应的类别属性，确定该多个轨道交通站点各自分别对应的类别。

在一些实施例中，该站点属性信息包括城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息。

在一些实施例中，该站点聚类模块402，被配置为：

根据类簇初始值K和该各个轨道交通站点各自分别对应的站点属性信息，确定K个聚类集合中每个聚类集合的聚类中心；其中，K为正整数；

根据该各个轨道交通站点各自分别对应的站点属性信息和各个聚类中心，将该多个轨道交通站点分别分配至一聚类集合，得到聚类后的K个聚类集合。

在一些实施例中，该站点聚类模块402，被配置为：

从该多个轨道交通站点中随机选择K个轨道交通站点，并将该K个轨道交通站点分别作为该K个聚类集合中的一个待定聚类中心；

针对每一轨道交通站点，确定该轨道交通站点分别与各个待定聚类中心的距离；确定该轨道交通站点分别与各个待定聚类中心的距离中的最小距离，将该轨道交通站点划分到的最小距离对应的聚类集合；

针对每一个聚类集合，确定该聚类集合中各个轨道交通站点的质心；若该质心为该聚类集合的待定聚类中心，则将该待定聚类中心作为该聚类集合的聚类中心；若该质心与该聚类集合的待定聚类中心不相同，则将该质心作为待定聚类中心，并重新执行该针对每一轨道交通站点，确定该轨道交通站点分别与各个待定聚类中心的距离的步骤，直至该质心为该聚类集合的待定聚类中心。

在一些实施例中，该站点聚类模块402，被配置为：

针对每一个待定聚类中心，确定该轨道交通站点与该待定聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离；根据该轨道交通站点与该待定聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离，确定该轨道交通站点与该待定聚类中心的距离。

在一些实施例中，该属性确定模块403，被配置为：

针对每一聚类集合，根据该聚类集合中的轨道交通站点的站点属性信息，确定该聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值；

根据该聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值，以及城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息各自分别对应的预设权重值，确定该聚类集合的类别属性。

在一些实施例中，该类别确定模块404，被配置为：

根据该K个聚类集合各自分别对应的类别属性，对该K个聚类集合进行排序，得到聚类集合排序结果；

根据该聚类集合排序结果，确定该K个聚类集合各自分别对应的类别；其中，每个聚类集合对应的类别均不相同；

针对每一个聚类集合，将该聚类集合对应的类别作为该聚类集合中的轨道交通站点的类别。

根据本公开实施例提供的技术方案，可以先获取目标房屋的位置信息以及户型信息；然后，可以根据该位置信息，确定该目标房屋对应的板块属性以及该目标房屋对应的能级属性；接着，可以根据该户型信息，确定该目标房屋对应的户型属性；紧接着，可以根据该板块属性、该能级属性信息和该户型属性，确定该目标房屋对应的资源属性。由于目标房屋对应的板块属性、能级属性信息和户型属性均为与资源属性相关度较高的属性信息，因此，在本实施例中根据与目标房屋对应的板块属性、能级属性信息和户型属性评估得到的目标房屋对应的资源属性更加准确、更具有参考价值，从而不需要依靠投资人员根据主观经验有侧重地从某个角度对价格做出评估，避免出现了人工依据经验评估所导致的主观性、片面性和局限性的问题，从而提高了资源属性评估的效率和准确性，从而提高了用户体验。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。

图5是本公开实施例提供的计算机设备5的示意图。如图5所示，该实施例的计算机设备5包括：处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/模块的功能。

示例性地，计算机程序503可以被分割成一个或多个模块/模块，一个或多个模块/模块被存储在存储器502中，并由处理器501执行，以完成本公开。一个或多个模块/模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在计算机设备5中的执行过程。

计算机设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是计算机设备5的示例，并不构成对计算机设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。

处理器501可以是中央处理模块(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器502可以是计算机设备5的内部存储模块，例如，计算机设备5的硬盘或内存。存储器502也可以是计算机设备5的外部存储设备，例如，计算机设备5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器502还可以既包括计算机设备5的内部存储模块也包括外部存储设备。存储器502用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器502还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块、模块完成，即将装置的内部结构划分成不同的功能模块或模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块、模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中，上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。另外，各功能模块、模块的具体名称也只是为了便于相互区分，并不用于限制本公开的保护范围。上述系统中模块、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或模块的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

集成的模块/模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (10)

1.一种轨道交通站点的分类方法，其特征在于，所述方法包括：

获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；

根据所述各个轨道交通站点各自分别对应的站点属性信息，对所述多个轨道交通站点进行聚类，得到若干个聚类集合；

针对每一聚类集合，根据所述聚类集合中的轨道交通站点的站点属性信息，确定所述聚类集合的类别属性；

根据所述若干个聚类集合各自分别对应的类别属性，确定所述多个轨道交通站点各自分别对应的类别。

2.根据权利要求1所述的方法，其特征在于，所述站点属性信息包括城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息。

3.根据权利要求2所述的方法，其特征在于，所述根据所述各个轨道交通站点各自分别对应的站点属性信息，对所述多个轨道交通站点进行聚类，得到若干个聚类集合，包括：

根据类簇初始值K和所述各个轨道交通站点各自分别对应的站点属性信息，确定K个聚类集合中每个聚类集合的聚类中心；其中，K为正整数；

根据所述各个轨道交通站点各自分别对应的站点属性信息和各个聚类中心，将所述多个轨道交通站点分别分配至一聚类集合，得到聚类后的K个聚类集合。

4.根据权利要求3所述的方法，其特征在于，所述根据类簇初始值K和所述各个轨道交通站点各自分别对应的站点属性信息，确定K个聚类集合中每个聚类集合的聚类中心，包括：

从所述多个轨道交通站点中随机选择K个轨道交通站点，并将所述K个轨道交通站点分别作为所述K个聚类集合中的一个待定聚类中心；

针对每一轨道交通站点，确定所述轨道交通站点分别与各个待定聚类中心的距离；确定所述轨道交通站点分别与各个待定聚类中心的距离中的最小距离，将所述轨道交通站点划分到的最小距离对应的聚类集合；

针对每一个聚类集合，确定所述聚类集合中各个轨道交通站点的质心；若所述质心为所述聚类集合的待定聚类中心，则将所述待定聚类中心作为该聚类集合的聚类中心；若所述质心与所述聚类集合的待定聚类中心不相同，则将所述质心作为待定聚类中心，并重新执行所述针对每一轨道交通站点，确定所述轨道交通站点分别与各个待定聚类中心的距离的步骤，直至所述质心为所述聚类集合的待定聚类中心。

5.根据权利要求4所述的方法，其特征在于，所述确定所述轨道交通站点分别与各个待定聚类中心的距离，包括：

针对每一个待定聚类中心，确定所述轨道交通站点与所述待定聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离；根据所述轨道交通站点与所述待定聚类中心分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的距离，确定所述轨道交通站点与所述待定聚类中心的距离。

6.根据权利要求2所述的方法，其特征在于，所述针对每一聚类集合，根据所述聚类集合中的轨道交通站点的站点属性信息，确定所述聚类集合的类别属性，包括：

针对每一聚类集合，根据所述聚类集合中的轨道交通站点的站点属性信息，确定所述聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值；

根据所述聚类集合中所有轨道交通站点分别在城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息的维度下的平均值，以及城市类别、运营里程、轨道建设密度、城市客流强度、周边人口维度信息各自分别对应的预设权重值，确定所述聚类集合的类别属性。

7.根据权利要求3所述的方法，其特征在于，所述轨道交通站点的类别包括K个类别；所述根据所述若干个聚类集合各自分别对应的类别属性，确定所述多个轨道交通站点各自分别对应的类别，包括：

根据所述K个聚类集合各自分别对应的类别属性，对所述K个聚类集合进行排序，得到聚类集合排序结果；

根据所述聚类集合排序结果，确定所述K个聚类集合各自分别对应的类别；其中，每个聚类集合对应的类别均不相同；

针对每一个聚类集合，将所述聚类集合对应的类别作为所述聚类集合中的轨道交通站点的类别。

8.一种轨道交通站点的分类装置，其特征在于，所述装置包括：

信息获取模块，被配置为获取待分类的多个轨道交通站点，以及各个轨道交通站点各自分别对应的站点属性信息；

站点聚类模块，被配置为根据所述各个轨道交通站点各自分别对应的站点属性信息，对所述多个轨道交通站点进行聚类，得到若干个聚类集合；

属性确定模块，被配置为针对每一聚类集合，根据所述聚类集合中的轨道交通站点的站点属性信息，确定所述聚类集合的类别属性；

类别确定模块，被配置为根据所述若干个聚类集合各自分别对应的类别属性，确定所述多个轨道交通站点各自分别对应的类别。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

Images