CN104517040A - 一种基于ic卡数据公交车辆车内拥挤程度计算方法 - Google Patents
一种基于ic卡数据公交车辆车内拥挤程度计算方法 Download PDFInfo
- Publication number
- CN104517040A CN104517040A CN201410853787.6A CN201410853787A CN104517040A CN 104517040 A CN104517040 A CN 104517040A CN 201410853787 A CN201410853787 A CN 201410853787A CN 104517040 A CN104517040 A CN 104517040A
- Authority
- CN
- China
- Prior art keywords
- card
- bus
- station
- data
- website
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于IC卡数据公交车辆车内拥挤程度计算方法,其特征在于,包括以下步骤:客流数据的采集与存储步骤:车载机读取IC卡打卡器中的打卡信息,通过无线网络发送至服务器,并存储至数据库中;实时估算公交车在第j站的拥挤度:估算公交车在第j站的总人数 ,计算该公交车在第j站内拥挤程度。本发明的基于IC卡数据公交车辆车内拥挤程度计算方法,通过利用现有的公交车IC卡打卡机以及车载机来实现公交车内拥挤度的实时计算,充分利用了实时采集数据以及基于历史数据的统计,提供精确的车内拥挤度信息,为出行者选择合适的出行时间提供依据。
Description
技术领域
本发明属于智能交通技术领域,具体地说,是涉及一种基于IC卡数据公交车辆车内拥挤程度计算方法。
背景技术
随着国家经济的发展,城市人口越来越多,而目前公交作为市民普遍的出行方式,如何让市民享受更好的服务,成为目前公交关注的焦点。为了方便市民出行,目前一般只能查询公交车的行驶位置信息,对于车内载客量比较难以获取,无法提供车内拥挤度的信息。
发明内容
本发明为了解决目前公交车拥挤程度无法实时估算,或者估算精度差的问题,提出了一种基于IC卡数据公交车辆车内拥挤程度计算方法,可以解决上述问题。
为了解决上述技术问题,本发明采用以下技术方案予以实现:
一种基于IC卡数据公交车辆车内拥挤程度计算方法,包括以下步骤:
客流数据的采集与存储步骤:车载机读取IC卡打卡器中的打卡信息,通过无线网络发送至服务器,并存储至数据库中,对数据库的历史数据以一天为单位,对每一个具有打卡记录的IC卡当天所有打卡记录进行统计,估计该IC卡在各打卡站点上车时,其将要下车的下车站点,所述客流数据包括公交线路、IC卡的ID、IC卡的打卡站点编号、打卡时间;
实时估算公交车在第j站的拥挤度:服务器实时接收公交车在第i站的客流数据,根据IC卡的ID,从数据库中查找并估计每个IC卡在第i站上车时其将要下车的下车站点,估算公交车在第j站的总人数Rj,计算该公交车在第j站内拥挤程度Zj=Rj/B,其中,B为公交车额定载客人数。
进一步的,所述估算公交车在第j站的拥挤度的步骤中,公交车在第i站的客流数据中,所有打卡的IC卡分为两类,第一类在数据库中具有历史数据,第二类在数据库中没有在第i站上车的历史数据,公交车在第j站的车厢内的乘客数Rj的估算方法为:包括对第一类的IC卡基于历史数据统计,可得第一类的IC卡在第i站上车的总人数Ni,以及在第i站上车、且在第j站下车的人数Mij;
对第二类的IC卡基于站点吸引的下车站点估算方法,包括以下步骤:
计算站点的吸引强度Wi:
其中,Si为第二类的IC卡在第i站上车人数;
计算第二类的IC卡在第i站上车、且在第j站下车的概率Pij:
其中,为归一化的任一乘客在第i站上车、且在第j站下车的概率;
计算第二类的IC卡在第i站上车的总人数Dij:
Dij=SI×Pij
计算公交车中所有打IC卡的乘客从第i站上车、在第j站下车的概率Xij:
计算公交车在第j站的总人数Rj:
其中,S′i为车载机实时传输的所有打卡的人数,t为打卡客流占总客流的比率。
又进一步的,归一化的任一乘客在第i站上车、且在第j站下车的概率的计算方法为:
既定行驶方向下,乘客出行站数近似服从泊松分布,计算任一乘客在第i站上车、且在第j站下车的概率Fij:
其中,λ为公交车的平均乘车站数,当i站以后的站点数小于平均乘车站数时,取λ=n-1,n为公交车在其线路上单向停靠站点数;
对Fij归一化处理,得到归一化的任一乘客在第i站上车、且在第j站下车的概率
再进一步的,客流数据的采集与存储步骤中,对数据库的历史数据以一天为单位,对每一个具有打卡记录的IC卡当天所有打卡记录进行统计包括以下步骤:
(31)、对每个打卡的IC卡,根据其ID,从数据库中查找出该IC卡当日的全部刷卡数据,按照时间顺序排序;
(32)、取相邻打卡数据及首尾打卡数据,判断每相邻的两次打卡数据中,前次打卡所乘公交车路线上所有站点中距离后次打卡上车站点最短的站点A,并计算该两站间的距离Q,将距离Q与阈值Q0比较,若Q≤Q0,则判断站点A即为在前次打卡站点上车时,将要下车的下车站点。
优选的,所述步骤(32)中,若Q>Q0,则提取近期多日打卡数据,从中找出是否有行驶线路相近的公交线路出行,若是,则找出前次打卡所乘公交车路线上所有站点中距离所述行驶线路相近的公交线路中的打卡数据最短的站点B,则判断站点B即为在前次打卡站点上车时,将要下车的下车站点。
与现有技术相比,本发明的优点和积极效果是:本发明的基于IC卡数据公交车辆车内拥挤程度计算方法,通过利用现有的公交车IC卡打卡机以及车载机来实现公交车内拥挤度的实时计算,充分利用了实时采集数据以及基于历史数据的统计,提供精确的车内拥挤度信息,为出行者选择合适的出行时间提供依据。
结合附图阅读本发明实施方式的详细描述后,本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,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他的附图。
图1是本发明所提出的基于IC卡数据公交车辆车内拥挤程度计算方法的一种实施例流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一,本发明提出了一种基于IC卡数据公交车辆车内拥挤程度计算方法,包括以下步骤:
客流数据的采集与存储步骤:车载机读取IC卡打卡器中的打卡信息,通过无线网络发送至服务器,并存储至数据库中,对数据库的历史数据以一天为单位,对每一个具有打卡记录的IC卡当天所有打卡记录进行统计,估计该IC卡在各打卡站点上车时,其将要下车的下车站点,所述客流数据包括公交线路、IC卡的ID、IC卡的打卡站点编号、打卡时间;
实时估算公交车在第j站的拥挤度:服务器实时接收公交车在第i站的客流数据,根据IC卡的ID,从数据库中查找并估计每个IC卡在第i站上车时其将要下车的下车站点,估算公交车在第j站的总人数Rj,计算该公交车在第j站内拥挤程度Zj=Rj/B,其中,B为公交车额定载客人数。
本公交车辆车内拥挤程度计算方法中,通过客流数据的采集与存储步骤,基于历史客流数据,针对每一个具有打卡记录的IC卡在其打卡站点上车时估算将要下车的下车站点,为实时计算公交车在第j站的拥挤程度步骤中,提供可靠的历史数据支持,实时估算公交车在第j站的拥挤度步骤中,充分利用了实时采集数据以及基于历史数据的统计,提供精确的车内拥挤度信息,为出行者选择合适的出行时间提供依据。
由于打卡的IC卡中,有的IC卡不具有在该站上车的历史数据,因此,为了统计完全,提高计算结果的精确度,所述估算公交车在第j站的拥挤度的步骤中,公交车在第i站的客流数据中,所有打卡的IC卡分为两类,第一类在数据库中具有历史数据,第二类在数据库中没有在第i站上车的历史数据,公交车在第j站的车厢内的乘客数Rj的估算方法为:包括对第一类的IC卡基于历史数据统计,可得第一类的IC卡在第i站上车的总人数Ni,以及在第i站上车、且在第j站下车的人数Mij;
对第二类的IC卡基于站点吸引的下车站点估算方法,包括以下步骤:
吸引率反映站点对乘客出行的吸引强度,由于上下行方向客流具有对称性,即上行方向某站的上车人数占上车客运总人数的比例与下车该站点的下车人数占该下行客运总人数的比例相当。因此某个具有站点的客流发生吸引总量基本保持均衡,也就是说站点发生量同时可以反映站点的吸引量。根据公交IC数据的上车站点判断,可以统计得到各站点的上车人数总量,由此计算站点的吸引强度Wi:
其中,Si为第二类的IC卡在第i站上车人数;
下车概率与居民公交出行途径站数和站点吸引强度有关,构造公交车某一行驶方向,计算第二类的IC卡在第i站上车、且在第j站下车的概率Pij:
其中,为归一化的任一乘客在第i站上车、且在第j站下车的概率;
计算第二类的IC卡在第i站上车的总人数Dij:
Dij=SI×Pij
计算公交车中所有打IC卡的乘客从第i站上车、在第j站下车的概率Xij:
计算公交车在第j站的总人数Rj:
其中,S′i为车载机实时传输的所有打卡的人数,t为打卡客流占总客流的比率。由于本方法基于IC卡打卡的人数进行计算,实际情况中还有一部分人不打IC卡,而选择投币方式,因此,为了提高计算准确度,需要将选择投币的人群考虑进来,基于统计特性,投币与打卡的人的比例基本是稳定的,因此,通过打卡客流除以打卡客流占总客流的比率t,即为总客流。
优选在本实施例中,归一化的任一乘客在第i站上车、且在第j站下车的概率的计算方法为:
既定行驶方向下,乘客出行站数近似服从泊松分布,计算任一乘客在第i站上车、且在第j站下车的概率Fij:
其中,λ为公交车的平均乘车站数,当i站以后的站点数小于平均乘车站数时,取λ=n-1,n为公交车在其线路上单向停靠站点数;
由于乘客利用公交车出行时,乘坐的站数至少为1,至多是(n-1)站,根据概率分布的性质,对上述概率Fij进行归一化处理:得到归一化的任一乘客在第i站上车、且在第j站下车的概率
再进一步的,客流数据的采集与存储步骤中,对数据库的历史数据以一天为单位,如图1所示,对每一个具有打卡记录的IC卡当天所有打卡记录进行统计包括以下步骤:
S31、对每个打卡的IC卡,根据其ID,从数据库中查找出该IC卡当日的全部刷卡数据,按照时间顺序排序;
S32、取相邻打卡数据及首尾打卡数据,判断每相邻的两次打卡数据中,前次打卡所乘公交车路线上所有站点中距离后次打卡上车站点最短的站点A,并计算该两站间的距离Q,将距离Q与阈值Q0比较,若Q≤Q0,则判断站点A即为在前次打卡站点上车时,将要下车的下车站点。
优选的,所述步骤S32中,若Q>Q0,则提取近期多日打卡数据,从中找出是否有行驶线路相近的公交线路出行,若是,则找出前次打卡所乘公交车路线上所有站点中距离所述行驶线路相近的公交线路中的打卡数据最短的站点B,则判断站点B即为在前次打卡站点上车时,将要下车的下车站点。
本实施例的基于IC卡数据公交车辆车内拥挤程度计算方法,利用了目前公交车上所装的无线通信设备以及IC卡打卡机,从硬件方面无需投入资金,通过采集IC卡打卡数据进行统计分析,能够准确预测当前所打卡的IC卡将要下车的站点,因此,能够统计出公交车在各站的拥挤度,极大的方便了市民,为出行车选择合适的出行时间提供依据,实时采集的IC卡打卡数据与基于概率计算相结合,将各种可能乘车人群均考虑在内,包括打卡具有历史数据的一类、IC卡打卡不具有历史数据的一类、以及未打卡选择投币方式的一类,拥挤程度估算准确度高。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (5)
1.一种基于IC卡数据公交车辆车内拥挤程度计算方法,其特征在于,包括以下步骤:
客流数据的采集与存储步骤:车载机读取IC卡打卡器中的打卡信息,通过无线网络发送至服务器,并存储至数据库中,对数据库的历史数据以一天为单位,对每一个具有打卡记录的IC卡当天所有打卡记录进行统计,估计该IC卡在各打卡站点上车时,其将要下车的下车站点,所述客流数据包括公交线路、IC卡的ID、IC卡的打卡站点编号、打卡时间;
实时估算公交车在第j站的拥挤度:服务器实时接收公交车在第i站的客流数据,根据IC卡的ID,从数据库中查找并估计每个IC卡在第i站上车时其将要下车的下车站点,估算公交车在第j站的总人数Rj,计算该公交车在第j站内拥挤程度Zj=Rj/B,其中,B为公交车额定载客人数。
2.根据权利要求1所述的基于IC卡数据公交车辆车内拥挤程度计算方法,其特征在于,所述估算公交车在第j站的拥挤度的步骤中,公交车在第i站的客流数据中,所有打卡的IC卡分为两类,第一类在数据库中具有历史数据,第二类在数据库中没有在第i站上车的历史数据,公交车在第j站的车厢内的乘客数Rj的估算方法为:包括对第一类的IC卡基于历史数据统计,可得第一类的IC卡在第i站上车的总人数Ni,以及在第i站上车、且在第j站下车的人数Mij;
对第二类的IC卡基于站点吸引的下车站点估算方法,包括以下步骤:
计算站点的吸引强度Wi:
其中,Si为第二类的IC卡在第i站上车人数;
计算第二类的IC卡在第i站上车、且在第j站下车的概率Pij:
其中,为归一化的任一乘客在第i站上车、且在第j站下车的概率;
计算第二类的IC卡在第i站上车的总人数Dij:
Dij=SI×Pij
计算公交车中所有打IC卡的乘客从第i站上车、在第j站下车的概率Xij:
计算公交车在第j站的总人数Rj:
其中,S′i为车载机实时传输的所有打卡的人数,t为打卡客流占总客流的比率。
3.根据权利要求2所述的基于IC卡数据公交车辆车内拥挤程度计算方法,其特征在于,归一化的任一乘客在第i站上车、且在第j站下车的概率的计算方法为:
既定行驶方向下,乘客出行站数近似服从泊松分布,计算任一乘客在第i站上车、且在第j站下车的概率Fij:
其中,λ为公交车的平均乘车站数,当i站以后的站点数小于平均乘车站数时,取λ=n-1,n为公交车在其线路上单向停靠站点数;
对Fij归一化处理,得到归一化的任一乘客在第i站上车、且在第j站下车的概率
4.根据权利要求3所述的基于IC卡数据公交车辆车内拥挤程度计算方法,其特征在于,客流数据的采集与存储步骤中,对数据库的历史数据以一天为单位,对每一个具有打卡记录的IC卡当天所有打卡记录进行统计包括以下步骤:
(31)、对每个打卡的IC卡,根据其ID,从数据库中查找出该IC卡当日的全部刷卡数据,按照时间顺序排序;
(32)、取相邻打卡数据及首尾打卡数据,判断每相邻的两次打卡数据中,前次打卡所乘公交车路线上所有站点中距离后次打卡上车站点最短的站点A,并计算该两站间的距离Q,将距离Q与阈值Q0比较,若Q≤Q0,则判断站点A即为在前次打卡站点上车时,将要下车的下车站点。
5.根据权利要求4所述的基于IC卡数据公交车辆车内拥挤程度计算方法,其特征在于,所述步骤(32)中,若Q>Q0,则提取近期多日打卡数据,从中找出是否有行驶线路相近的公交线路出行,若是,则找出前次打卡所乘公交车路线上所有站点中距离所述行驶线路相近的公交线路中的打卡数据最短的站点B,则判断站点B即为在前次打卡站点上车时,将要下车的下车站点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410853787.6A CN104517040B (zh) | 2014-12-31 | 2014-12-31 | 一种基于ic卡数据公交车辆车内拥挤程度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410853787.6A CN104517040B (zh) | 2014-12-31 | 2014-12-31 | 一种基于ic卡数据公交车辆车内拥挤程度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104517040A true CN104517040A (zh) | 2015-04-15 |
CN104517040B CN104517040B (zh) | 2017-12-05 |
Family
ID=52792330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410853787.6A Active CN104517040B (zh) | 2014-12-31 | 2014-12-31 | 一种基于ic卡数据公交车辆车内拥挤程度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104517040B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448135A (zh) * | 2016-09-30 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 公交路线推荐方法及装置 |
CN106778521A (zh) * | 2016-11-23 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 一种公交乘车提示方法、装置及*** |
CN106935058A (zh) * | 2015-12-29 | 2017-07-07 | ***通信集团公司 | 一种公交信息推送方法、设备和*** |
CN108536794A (zh) * | 2018-04-02 | 2018-09-14 | 山东省计算中心(国家超级计算济南中心) | 符合泊松分布的有序多分类变量的数据规格化方法 |
CN108831182A (zh) * | 2018-05-07 | 2018-11-16 | 佛山科学技术学院 | 一种城市公交网络od矩阵构建方法 |
CN109409563A (zh) * | 2018-09-07 | 2019-03-01 | 北明软件有限公司 | 一种公交运营车辆实时人数的分析方法、***和存储介质 |
CN109524116A (zh) * | 2018-11-30 | 2019-03-26 | 深圳大学 | 公汽出行个体可吸入细颗粒物暴露风险评估方法 |
CN109615036A (zh) * | 2018-11-30 | 2019-04-12 | 深圳大学 | 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法 |
CN110376585A (zh) * | 2019-07-23 | 2019-10-25 | 交控科技股份有限公司 | 基于3d雷达扫描的车厢拥挤度检测方法及装置、*** |
CN110853156A (zh) * | 2019-11-18 | 2020-02-28 | 西南交通大学 | 融合公交gps轨迹与ic卡数据的乘客od识别方法 |
CN117592788A (zh) * | 2024-01-17 | 2024-02-23 | 北京工业大学 | 一种公交运行风险的识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
-
2014
- 2014-12-31 CN CN201410853787.6A patent/CN104517040B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106935058A (zh) * | 2015-12-29 | 2017-07-07 | ***通信集团公司 | 一种公交信息推送方法、设备和*** |
WO2018058967A1 (zh) * | 2016-09-30 | 2018-04-05 | 百度在线网络技术(北京)有限公司 | 公交路线推荐方法、装置、设备及计算机存储介质 |
CN106448135B (zh) * | 2016-09-30 | 2018-07-10 | 百度在线网络技术(北京)有限公司 | 公交路线推荐方法及装置 |
CN106448135A (zh) * | 2016-09-30 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 公交路线推荐方法及装置 |
CN106778521A (zh) * | 2016-11-23 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 一种公交乘车提示方法、装置及*** |
CN108536794A (zh) * | 2018-04-02 | 2018-09-14 | 山东省计算中心(国家超级计算济南中心) | 符合泊松分布的有序多分类变量的数据规格化方法 |
CN108831182A (zh) * | 2018-05-07 | 2018-11-16 | 佛山科学技术学院 | 一种城市公交网络od矩阵构建方法 |
CN109409563B (zh) * | 2018-09-07 | 2021-11-09 | 北明软件有限公司 | 一种公交运营车辆实时人数的分析方法、***和存储介质 |
CN109409563A (zh) * | 2018-09-07 | 2019-03-01 | 北明软件有限公司 | 一种公交运营车辆实时人数的分析方法、***和存储介质 |
CN109524116A (zh) * | 2018-11-30 | 2019-03-26 | 深圳大学 | 公汽出行个体可吸入细颗粒物暴露风险评估方法 |
CN109615036B (zh) * | 2018-11-30 | 2019-12-24 | 深圳大学 | 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法 |
CN109615036A (zh) * | 2018-11-30 | 2019-04-12 | 深圳大学 | 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法 |
CN110376585A (zh) * | 2019-07-23 | 2019-10-25 | 交控科技股份有限公司 | 基于3d雷达扫描的车厢拥挤度检测方法及装置、*** |
CN110376585B (zh) * | 2019-07-23 | 2022-02-15 | 交控科技股份有限公司 | 基于3d雷达扫描的车厢拥挤度检测方法及装置、*** |
CN110853156A (zh) * | 2019-11-18 | 2020-02-28 | 西南交通大学 | 融合公交gps轨迹与ic卡数据的乘客od识别方法 |
CN110853156B (zh) * | 2019-11-18 | 2020-11-17 | 西南交通大学 | 融合公交gps轨迹与ic卡数据的乘客od识别方法 |
CN117592788A (zh) * | 2024-01-17 | 2024-02-23 | 北京工业大学 | 一种公交运行风险的识别方法及装置 |
CN117592788B (zh) * | 2024-01-17 | 2024-04-16 | 北京工业大学 | 一种公交运行风险的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104517040B (zh) | 2017-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517040A (zh) | 一种基于ic卡数据公交车辆车内拥挤程度计算方法 | |
CN105788260B (zh) | 一种基于智能公交***数据的公交乘客od推算方法 | |
CN108831149B (zh) | 一种基于历史od信息定制公交线路开行方法及*** | |
CN104157139B (zh) | 一种交通拥堵预测方法及可视化方法 | |
CN108242149A (zh) | 一种基于交通数据的大数据分析方法 | |
CN107330547A (zh) | 一种城市公交动态调度优化方法及*** | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN105427594B (zh) | 一种基于双向上车客流的公交断面客流量获取方法及*** | |
CN103208034B (zh) | 一种轨道交通客流分布预测模型建立及预测方法 | |
CN103198565A (zh) | 一种公交ic卡收费与客流信息采集方法 | |
CN106448135A (zh) | 公交路线推荐方法及装置 | |
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN106898142B (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
CN106991727B (zh) | 一种高速公路互通计费的方法及*** | |
CN112734219B (zh) | 一种车辆运输行驶行为分析方法及*** | |
CN110118567A (zh) | 出行方式推荐方法及装置 | |
CN110309962A (zh) | 基于时间扩展模型的铁路行程路线规划方法及装置 | |
CN110197335A (zh) | 一种基于概率od分布模型的下车站点人数计算方法 | |
CN108648453A (zh) | 一种基于手机位置更新信息进行交通出行数据画像的方法 | |
CN110070718A (zh) | 高速公路服务区服务质量动态评估方法、***及设备 | |
CN106295868A (zh) | 交通出行数据处理方法及装置 | |
CN110222884A (zh) | 基于poi数据和客流量的车站可达性评估方法 | |
CN114118766A (zh) | 一种基于公交乘客出行多重匹配的客流od算法 | |
CN106601006B (zh) | 一种基于rfid和微信平台的城市智能交通诱导装置 | |
CN111723871B (zh) | 一种公交车实时车厢满载率的估算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |