基于LightGBM和TOPSIS法的城市轨道交通关键节点识别

打开文本图片集

摘要：为提高城市轨道交通网络关键节点的识别精度，基于复杂网络理论、交通网络性能特征，考虑轨道交通站点的城市活力信息，建立关键节点评价指标，采用轻量级梯度提升决策树（light gradient boosting machine，LightGBM）机器学习算法计算逼近理想解排序（technique for order preference by similarity to ideal solution，TOPSIS）法中各项评价指标的权重，提出融合LightGBM算法和TOPSIS法的城市轨道交通关键节点识别模型。（剩余16129字）