买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海交通大学;苏州高新区(虎丘区)建设工程设计施工图审查中心;苏州恒泰站城一体城市发展有限公司申请的专利一种基于建成环境与可解释机器学习的轨道交通接驳共享单车使用影响因素分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120688890B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510771377.5，技术领域涉及：G06Q10/0637；该发明授权一种基于建成环境与可解释机器学习的轨道交通接驳共享单车使用影响因素分析方法是由吴佳妮;张毅;施茵;孙立;徐颖钧;曹峰;汪涛;倪安宁;高林杰;李培炎;尹沛;杨竞琪设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本一种基于建成环境与可解释机器学习的轨道交通接驳共享单车使用影响因素分析方法在说明书摘要公布了：本发明涉及城乡交通规划技术领域，具体为一种基于建成环境与可解释机器学习的轨道交通接驳共享单车使用影响分析方法，包括：S1：识别以共享单车为轨道交通接驳出行的交通行为，获取目标区域内共享单车订单数据，构建共享单车接驳使用数据库；S2：确定每个地铁站点周围建成环境的研究区域，划定地铁站点周边环形缓冲区作为研究范围；S3：融合多源建成环境数据，包括客观建成环境指标与感知建成环境指标；S4：基于S1和S3的数据构建建成环境对共享单车使用的影响因素数据集；本发明中，识别以共享单车为轨道交通接驳出行的交通行为，获取目标区域内共享单车订单数据，提取骑行OD点、距离、时间信息，构建共享单车接驳使用数据库。

本发明授权一种基于建成环境与可解释机器学习的轨道交通接驳共享单车使用影响因素分析方法在权利要求书中公布了：1.一种基于建成环境与可解释机器学习的轨道交通接驳共享单车使用影响因素分析方法，其特征在于，包括： S1：识别以共享单车为轨道交通接驳出行的交通行为，获取目标区域内共享单车订单数据，构建共享单车接驳使用数据库； S2：确定每个地铁站点周围建成环境的研究区域，划定地铁站点周边环形缓冲区作为研究范围； S3：融合多源建成环境数据，包括客观建成环境指标与感知建成环境指标； S4：基于S1和S3的数据构建建成环境对共享单车使用的影响因素数据集； S5：利用XGBoost模型进行训练，确定模型性能； S6：采用SHAP解释模型解析建成环境因子的重要性排序、非线性效应与交互机制； 步骤S4中所述的影响因素数据集具体包括： S4.1：统计共享单车使用数，以共享单车开始使用的经纬度信息作为共享单车使用的位置信息，计算研究时段内每个地铁站共享单车使用数的平均值，作为每个地铁站接驳共享单车使用数，计算如式1所示： 式1； 其中，为地铁站i内共享单车使用数的平均值，是地铁站i内第n天的共享单车使用数，N为研究时段总天数； S4.2：统计每个地铁站缓冲区内的人口密度，计算建成环境特征的人口密度指标，如式2所示： 式2； 其中，为地铁站i内的人口密度，是地铁站i内的人口数量，为地铁站i缓冲区面积； 统计每个地铁站缓冲区内的就业人口密度，计算建成环境特征的就业密度指标，如式3所示： 式3； 其中，为地铁站i内的就业人口密度，是地铁站i内的就业人口数量，为地铁站i缓冲区面积； S4.3：统计每个地铁站缓冲区内的土地利用混合度,采用熵指数模型计算建成环境宜步性的土地利用混合度指标，如式4所示： 式4； 其中，为地铁站i内的土地利用熵，是地铁站i内第j类土地利用类型的面积占总面积的比例，为地铁站i内的土地类型总数； S4.4：统计每个地铁站缓冲区内的职住平衡度,计算建成环境特征的职住平衡指标，如式5所示： 式5； 其中，为地铁站i内的职住平衡度，是地铁站i内就业类型POI数量，为地铁站i内居住数量的POI值； S4.5：统计每个地铁站缓冲区内的POI信息，包括饭店数量、娱乐活动设施数量、交通设施数量、商业设施数量； S4.6：统计每个地铁站缓冲区内的道路网数据，包括主干道长度、次干道长度、支路长度、人行道长度、自行车道长度； S4.7：统计每个地铁站缓冲区内的公交站数据和地铁站数据，包括公交站地铁站数量、距离最近公交站地铁站的距离； S4.8：统计每个地铁站缓冲区内的街道绿化度，计算感知建成环境的绿化度指标，如式6所示： 式6； 其中,为地铁站i内的职住街道绿化度,为地铁站i周边街景树木的像素占比，地铁站i周边街景灌木丛的像素占比； 统计每个地铁站缓冲区内的街道围合度，计算感知建成环境的围合度指标，如式7所示： 式7； 其中,为地铁站i内的职住街道围合度,为地铁站i周边街景建筑的像素占比，为地铁站i周边街景墙的像素占比，为地铁站i周边街景树木的像素占比，为地铁站i周边街景道路的像素占比，为地铁站i周边街景人行道的像素占比,为地铁站i周边街景灌木丛的像素占比； S4.9：统计每个地铁站缓冲区内的街道复杂度，计算感知建成环境的复杂度指标，如式8所示： 式8； 其中,为地铁站i内的职住街道复杂度,为地铁站i周边街景人的像素占比，为地铁站i周边街景道路标识的像素占比，为地铁站i周边街景照明的像素占比，为地铁站i周边街景树木的像素占比，为地铁站i周边街景道路的像素占比，为地铁站i周边街景建筑的像素占比； S4.10：统计每个地铁站缓冲区内的街道安全度，计算感知建成环境的安全度指标，如式9所示： 式9； 其中,为地铁站i内的职住街道安全度,为地铁站i周边街景人的像素占比，为地铁站i周边街景道路标识的像素占比，为地铁站i周边街景照明的像素占比，为地铁站i周边街景栅栏的像素占比。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海交通大学;苏州高新区(虎丘区)建设工程设计施工图审查中心;苏州恒泰站城一体城市发展有限公司，其通讯地址为：200240 上海市闵行区东川路800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。