CN105206046A - 基于大数据的出租车服务站选址及可行性评价方法 - Google Patents
基于大数据的出租车服务站选址及可行性评价方法 Download PDFInfo
- Publication number
- CN105206046A CN105206046A CN201510655076.2A CN201510655076A CN105206046A CN 105206046 A CN105206046 A CN 105206046A CN 201510655076 A CN201510655076 A CN 201510655076A CN 105206046 A CN105206046 A CN 105206046A
- Authority
- CN
- China
- Prior art keywords
- taxi
- data
- addressing
- feasibility
- cluster
- 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
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的出租车服务站选址及可行性评价方法,包括:获取出租车的GPS数据,预处理,去除错误数据;基于上述数据,提取出租车停驻位置信息数据;将获得的出租车停驻位置信息数据进行分时段空间聚类,得到各个时段停驻热点位置信息;可视化聚类结果的核心对象,并确定合理的半径,确定出租车停驻热点位置范围,并将其作为出租车服务站选址的初步方案;基于出租车服务站选址的初步方案,分析选址可行性的影响因素;对出租车服务站初步选址方案进行可行性评价,确定最终选址方案。本发明是一种科学的智能化的选址方法,这种方法可以解决行业现存打车难、***等问题,改善司机的工作环境,还解决了出租车随意停车的问题。
Description
技术领域
本发明涉及智能交通技术,尤其是一种基于大数据的出租车服务站选址及可行性评价方法。
背景技术
出租车作为城市公共交通方式的重要组成部分之一,其运营情况将直接影响到整个城市的交通状况。出租车是整个城市公共交通的重要补充,可以起到满足居民出行的应急需求,还可以填补常规公共交通、城市轨道交通未能覆盖的区域,另外还能提供比较高质量的个性化服务。因此,交通运输管理部门对出租车行业的运营极其重视。
近几年,城市中的出租车“打车难”、驾驶员***等现象比较严重,这些现象最主要的体现为:一方面乘客打车比较困难,不知道在什么地方容易打到车,以至于浪费太多时间;另一方面出租车驾驶员各处寻客,造成空载率较高,甚至导致收入不理想。另外,出租车驾驶员在需要休息或者就餐时不容易找到比较合适的地点,这都导致了出租车司机怨声载道。因此,出租车服务站的设置显得尤为重要。
为了改善出租车驾驶员的工作环境,需要在合理的地点设置一些出租车驾驶员的服务站点,提供一些休息、就餐等的服务。服务站点的设置将以出租车上客热点以及出租车停驻驾驶员休息聚集点为基础。因此,合理的热点区域确定成为出租车运营管理中重要的一个环节。
发明内容
发明目的:提供一种基于大数据的出租车服务站选址及可行性评价方法,以解决现有技术存在的上述问题。
技术方案:一种基于大数据的出租车服务站选址及可行性评价方法,包括如下步骤:
S1、获取出租车的GPS数据,预处理,去除错误数据,所述GPS数据包括出租车编号、经度、纬度、速度、运行时间和运行状态;
S2、基于上述数据,提取出租车停驻位置信息数据,出租车停驻指出租车速度为零的时间超过预定时间且运营状态为空驶;
S3、将获得的出租车停驻位置信息数据进行分时段空间聚类,得到各个时段停驻热点位置信息;
S4、可视化聚类结果的核心对象,并确定合理的半径,确定出租车停驻热点位置范围,并将其作为出租车服务站选址的初步方案;
S5、基于出租车服务站选址的初步方案,分析选址可行性的影响因素;
S6、建立出租车服务站选址可行性的评价指标体系;
S7、对出租车服务站初步选址方案进行可行性评价,确定最终选址方案。
进一步的,所述步骤S2进一步为:
S21、通过关键字在预处理后的GPS数据中进行筛选,所述关键字包括状态和速度值,状态指空载或重载;
S22、确定出租车停驻状态,设定预定时间值;
S23、筛选某段时间内出租车处于停驻状态时的位置信息,并根据运营时间删除非运营数据信息,得到出租车停驻状态的位置数据。
进一步的,所述步骤S3进一步为:
S31、选取若干个对象点作为初始聚类中心;
S32、对剩下的其他对象点,根据它们与聚类中心的相似度分别将其分配给与其最相似的聚类中心所代表的聚类;
S33、对聚类结果再次计算新聚类的聚类中心;
S34、重复步骤S32、S33,直到聚类中心保持不变,得到的聚类即为停驻热点位置。
进一步的,所述步骤S4进一步为:
S41、将聚类结果中的热点位置经纬度信息和矢量地图数据加载到ArcGIS中,实现热点区域的可视化。
进一步的,所述步骤S5中的选址可行性影响因素包括出行需求、用地情况、交通情况和服务设施水平。
进一步的,所述步骤S6进一步为:
步骤S61、所述评价指标体系包括出行需求、交通状况、用地状况和服务水平;
其中,出行需求包括区域出租车需求度和人口密度,所述交通状况包括公交服务面积率、地铁服务面积率和道路网密度,所述用地状况包括建筑密度和可用土地面积,所述服务水平包括餐饮店数量、休息场所面积和停车容积。
进一步的,所述步骤S7进一步为:
步骤S71、对评价指标体系进行分级;
步骤S72、根据层次分析法对评价指标构建权重向量;
步骤S73、构建评价集,进行模糊评价,获得评价向量,确定评价结果。
进一步的,所述步骤S73进一步包括:
对指标值进行归一化处理,获得指标值向量,确定一级指标的评价值一级指标的评价值和目标指标的评价值,获得每个出租车服务站候选位置的评价值,降序排列,确定服务站建设的方案。
实施本发明,可获得以下有益效果:首先提供了一种科学的智能化的选址方法,这种方法可以解决行业现存打车难、***等问题,改善司机的工作环境,还解决了出租车随意停车的问题,同时从整体上改善了城市的交通状况,提高交通运行的效率。
附图说明
图1:本发明的流程图。
图2:本发明可行性评价指标体系示意图。
具体实施方式
结合图1和图2描述本发明的主要内容。
申请人研究后发现:出租车热点的研究主要还是集中于对载客热点以及招扬站等的设置的研究。对于出租车停驻热点及服务站的研究还是比较少,对出租车服务站的设置位置的确定方法缺乏。另外,对于初选位置确定之后的可行性评价尤为重要。
为解决现有技术中确定停驻热点区域位置方法以及选址可行性评价的不足,申请人提出了一种确定出租车服务站位置的技术方案。
下面以某市的出租车GPS数据为例进行分析,对本发明的具体实施方案作详细描述:
获取出租车GPS数据。出租车上装配的全球定位设备记录车辆的位置信息,并传输到监控中心,GPS数据的每一条记录包括车辆的车牌号、经度、维度、速度、时间、状态。在此所使用的GPS数据是由数据调度中心采集的2014年12月1号某市出租车运行的数据。
对所得的GPS数据进行预处理。删除数据中的错误数据以及完全重复的数据记录;将数据中的状态数据进行数据值替换:空载=0、重载=1;
对预处理好的出租车GPS数据进行停驻点提取,具体方法:筛选出出租车状态为0并且速度为0的数据。
对所得的停驻点位置信息数据进行K-Means空间聚类,首先选取K个对象作为初始聚类中心;对于所剩的其他对象点,根据它们与聚类中心的相似度分别将这些对象点分配给与其最相似的聚类中心所代表的聚类;对上一个步骤聚类的结果再次计算这些新聚类的聚类中心;重复以上步骤,直到聚类中心保持不变为止。这时所得到的聚类即为停驻热点位置。
在weka上具体的聚类操作:openfiles、preprocess进行数据的预处理工作,包括filter中的attribute和instance的多种操作;与处理完成后,进行聚类操作,cluster、choose、simpleKMeans,再进行聚类过程中的参数设置,numclusters设置恰当的参数,OK、start进行聚类。
聚类结果的可视化:使用ArcGIS软件进行如下操作,
添加数据:
将weka软件聚类出的结果加载到ArcGIS中,作为一个图层;
将某市的地图加载到ArcGIS中;
地理配准:将聚类结果与地图进行匹配;在聚类结果图层中设置图层属性,
符号***中选择分级色彩以聚类结果中的“number”属性作为你分级字段,进行聚类点的分级可视化。
确定影响服务站选址可行性的因素包括以下几个方面:出租车出行需求、用地情况、交通状况、服务设施水平。
建立选址可行性评价指标体系:出租车出行需求考虑在初选位置所在区域内的出租车出行需求量,用地情况考虑在初选方案位置所在区域内的用地性质、建筑密度等,交通状况考虑在初选方案位置所在区域内的公交状况、地铁建设状况以及道路状况等,服务设施水平考虑初选方案位置所在区域内的供出租车司机休息、吃饭以及停车等服务设施建设状况。
对选址初步方案的可行性进行评价,具体步骤如下:
评价指标分级,如下表:
对评价指标构建权重向量:对每个服务站初选地址的各个属性进行评价,初选地址集合T={t1,t2,t3,…,tm},属性集合C={C1,C2,C3,C4},属性权重集合W={W1,W2,W3,W4},
对各个候选地址的一级属性确定判断矩阵X1、X2、X3、X4,一级属性C的判断矩阵X;其中,判断矩阵的确定规则:以判断矩阵X为例来说明,对于影响C的四个因素C1,C2,C3,C4,将其两两进行比较建立比较矩阵的办法,形成判断矩阵X,即每次取两个因子ci和cj,用xij表示ci、cj对C的影响大小之比,所以判断矩阵中元素的赋值标准如下表:
判断矩阵X如下表:
C | C1 | C2 | C3 | C4 |
C1 | 1 | x12 | x13 | x14 |
C2 | 1/x12 | 1 | x23 | x24 |
C3 | 1/x13 | 1/x23 | 1 | x34 |
C4 | 1/x14 | 1/x24 | 1/x34 | 1 |
获得权重系数:对X的元素按列归一化,得到按行相加,得 对归一化,得到权重向量W。
同理,确定权重向量W、W1、W2、W3、W4。
确定二级指标值:其中,选址区域出租车需求即该区域的出租车出行单位时间内的上客数(由GPS数据中获得);人口密度为该区域单位面积人口数量(由调查得到);公交服务面积率即区域内公交服务面积与该区域的面积之比;地铁服务面积率即地铁服务面积与该区域总面积之比;道路网密度即单位面积道路线长度;建筑密度与可用土地面积通过调查得到;餐饮店数量、休息场所面积以及停车容积通过调查获得。
对每一二级指标值进行数据归一化处理:按照以下公式对指标值进行归一化处理后使其都为[0,1]之间的数值。
从而获得指标值向量R1、R2、R3、R4。min、max为样本数据中的最小值和最大值,A、a分别表示数据归一化前后的数值。
确定一级指标的评判值以及目标指标的评判值:
出行需求的评判值:S′1=W1*R1
交通状况的评判值:S′2=W2*R2
用地状况的评判值:S′3=W3*R3
服务设施建设状况的评判值:S′4=W4*R4
目标评判值:S′=W*R,其中R={S′1,S′2,S′3,S′4}
同理,获得每一个出租车服务站候选位置的评判值,然后进行排序,确定服务站建设的优选方案。
从上述实施例可知,该方法实施方便、科学和智能化,基于大数据的方式,能够准确地计算相关数据,构建更为合理的解决方案。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换,这些等同变换均属于本发明的保护范围。
Claims (8)
1.一种基于大数据的出租车服务站选址及可行性评价方法,其特征在于,包括如下步骤:
S1、获取出租车的GPS数据,预处理,去除错误数据,所述GPS数据包括出租车编号、经度、纬度、速度、运行时间和运行状态;
S2、基于上述数据,提取出租车停驻位置信息数据,出租车停驻指出租车速度为零的时间超过预定时间且运营状态为空驶;
S3、将获得的出租车停驻位置信息数据进行分时段空间聚类,得到各个时段停驻热点位置信息;
S4、可视化聚类结果的核心对象,并确定合理的半径,确定出租车停驻热点位置范围,并将其作为出租车服务站选址的初步方案;
S5、基于出租车服务站选址的初步方案,分析选址可行性的影响因素;
S6、建立出租车服务站选址可行性的评价指标体系;
S7、对出租车服务站初步选址方案进行可行性评价,确定最终选址方案。
2.如权利要求1所述的基于大数据的出租车服务站选址及可行性评价方法,其特征在于,所述步骤S2进一步为:
S21、通过关键字在预处理后的GPS数据中进行筛选,所述关键字包括状态和速度值,状态指空载或重载;
S22、确定出租车停驻状态,设定预定时间值;
S23、筛选某段时间内出租车处于停驻状态时的位置信息,并根据运营时间删除非运营数据信息,得到出租车停驻状态的位置数据。
3.如权利要求1所述的基于大数据的出租车服务站选址及可行性评价方法,其特征在于,所述步骤S3进一步为:
S31、选取若干个对象点作为初始聚类中心;
S32、对剩下的其他对象点,根据它们与聚类中心的相似度分别将其分配给与其最相似的聚类中心所代表的聚类;
S33、对聚类结果再次计算新聚类的聚类中心;
S34、重复步骤S32、S33,直到聚类中心保持不变,得到的聚类即为停驻热点位置。
4.如权利要求3所述的基于大数据的出租车服务站选址及可行性评价方法,其特征在于,所述步骤S4进一步为:
S41、将聚类结果中的热点位置经纬度信息和矢量地图数据加载到ArcGIS中,实现热点区域的可视化。
5.如权利要求1所述的基于大数据的出租车服务站选址及可行性评价方法,其特征在于,所述步骤S5中的选址可行性影响因素包括出行需求、用地情况、交通情况和服务设施水平。
6.如权利要求5所述的基于大数据的出租车服务站选址及可行性评价方法,其特征在于,所述步骤S6进一步为:
步骤S61、所述评价指标体系包括出行需求、交通状况、用地状况和服务水平;
其中,出行需求包括区域出租车需求度和人口密度,所述交通状况包括公交服务面积率、地铁服务面积率和道路网密度,所述用地状况包括建筑密度和可用土地面积,所述服务水平包括餐饮店数量、休息场所面积和停车容积。
7.如权利要求6所述的基于大数据的出租车服务站选址及可行性评价方法,其特征在于,所述步骤7进一步为:
步骤71、对评价指标体系进行分级;
步骤72、根据层次分析法对评价指标构建权重向量;
步骤73、构建评价集,进行模糊评价,获得评价向量,确定评价结果。
8.如权利要求7所述的基于大数据的出租车服务站选址及可行性评价方法,其特征在于,所述步骤73进一步包括:
对指标值进行归一化处理,获得指标值向量,确定一级指标的评价值一级指标的评价值和目标指标的评价值,获得每个出租车服务站候选位置的评价值,降序排列,确定服务站建设的方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510655076.2A CN105206046B (zh) | 2015-10-10 | 2015-10-10 | 基于大数据的出租车服务站选址及可行性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510655076.2A CN105206046B (zh) | 2015-10-10 | 2015-10-10 | 基于大数据的出租车服务站选址及可行性评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105206046A true CN105206046A (zh) | 2015-12-30 |
CN105206046B CN105206046B (zh) | 2017-07-18 |
Family
ID=54953688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510655076.2A Active CN105206046B (zh) | 2015-10-10 | 2015-10-10 | 基于大数据的出租车服务站选址及可行性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105206046B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938514A (zh) * | 2016-04-07 | 2016-09-14 | 浙江万马新能源有限公司 | 基于0-1整数规划模型的充电桩部署选址方法及装置 |
CN106127662A (zh) * | 2016-06-23 | 2016-11-16 | 福州大学 | 一种针对出租车轨迹数据的K‑means初始聚类中心的选择方法 |
CN106169240A (zh) * | 2016-08-31 | 2016-11-30 | 广州地理研究所 | 一种车辆调度***及调度方法和装置 |
CN106202471A (zh) * | 2016-07-18 | 2016-12-07 | 上海河广信息科技有限公司 | 营业厅候选点筛选方法及*** |
CN106294679A (zh) * | 2016-08-08 | 2017-01-04 | 大连理工大学 | 一种基于地铁数据进行站点聚类的可视化方法 |
CN106571036A (zh) * | 2016-11-14 | 2017-04-19 | 中国联合网络通信集团有限公司 | 公共交通站点确定方法和装置 |
CN106649651A (zh) * | 2016-12-12 | 2017-05-10 | 大连理工大学 | 一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法 |
CN107067097A (zh) * | 2017-01-17 | 2017-08-18 | 北京远大宏略科技股份有限公司 | 一种基于智能快递柜的快递收发***及其收发路径优化方法 |
CN108053058A (zh) * | 2017-11-29 | 2018-05-18 | 东南大学 | 一种基于大数据的电动出租车充电桩选址方法 |
CN108388970A (zh) * | 2018-03-22 | 2018-08-10 | 浙江工业大学 | 一种基于gis的公交站点选址方法 |
CN109543888A (zh) * | 2018-11-07 | 2019-03-29 | 中国联合网络通信集团有限公司 | 营业厅位置选择方法、装置及存储介质 |
CN109688535A (zh) * | 2018-12-13 | 2019-04-26 | 大唐软件技术股份有限公司 | 确定无线热点地理位置的方法、装置、电子设备及介质 |
CN109726964A (zh) * | 2019-01-04 | 2019-05-07 | 杭州卓凯科技有限公司 | 根据司机历史轨迹进行司机常驻点挖掘的方法 |
CN109902845A (zh) * | 2017-12-08 | 2019-06-18 | 宝沃汽车(中国)有限公司 | 车辆服务点的配置方法、装置和*** |
CN110288263A (zh) * | 2019-07-03 | 2019-09-27 | 北京首汽智行科技有限公司 | 一种基于用车行为的共享汽车停车网点确定方法 |
CN110458309A (zh) * | 2019-06-29 | 2019-11-15 | 东南大学 | 一种基于实际路网环境的网约拼车站点选址方法 |
CN111178577A (zh) * | 2019-11-22 | 2020-05-19 | 陕西天行健车联网信息技术有限公司 | 一种基于geohash算法的服务站选址方法 |
CN111339966A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 基于养殖业的地方评价方法、装置、设备及存储介质 |
CN115017427A (zh) * | 2022-08-09 | 2022-09-06 | 广州海普网络科技有限公司 | 一种地理位置信息推荐处理方法及*** |
CN117635020A (zh) * | 2023-11-30 | 2024-03-01 | 中国人民解放军96901部队 | 一种基于层次分析法与k-means的保障仓库选址方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009289080A (ja) * | 2008-05-29 | 2009-12-10 | Fujitsu Ten Ltd | 運転評価装置および運転評価方法 |
CN103295394A (zh) * | 2013-06-24 | 2013-09-11 | 东南大学 | 基于广义gps数据的出租车候客站点备选地址确定方法 |
CN103578265A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于出租车gps数据的打车热点获取方法 |
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
-
2015
- 2015-10-10 CN CN201510655076.2A patent/CN105206046B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009289080A (ja) * | 2008-05-29 | 2009-12-10 | Fujitsu Ten Ltd | 運転評価装置および運転評価方法 |
CN103578265A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于出租车gps数据的打车热点获取方法 |
CN103295394A (zh) * | 2013-06-24 | 2013-09-11 | 东南大学 | 基于广义gps数据的出租车候客站点备选地址确定方法 |
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
Non-Patent Citations (2)
Title |
---|
张明月: "基于出租车轨迹的载客点与热点区域推荐", 《中国优秀硕士学位论文集工程科技Ⅱ辑》 * |
王两全: "福州市区出租车服务网点规划研究", 《中国优秀硕士学位论文集工程科技Ⅱ辑》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938514A (zh) * | 2016-04-07 | 2016-09-14 | 浙江万马新能源有限公司 | 基于0-1整数规划模型的充电桩部署选址方法及装置 |
CN106127662A (zh) * | 2016-06-23 | 2016-11-16 | 福州大学 | 一种针对出租车轨迹数据的K‑means初始聚类中心的选择方法 |
CN106202471A (zh) * | 2016-07-18 | 2016-12-07 | 上海河广信息科技有限公司 | 营业厅候选点筛选方法及*** |
CN106294679A (zh) * | 2016-08-08 | 2017-01-04 | 大连理工大学 | 一种基于地铁数据进行站点聚类的可视化方法 |
CN106169240A (zh) * | 2016-08-31 | 2016-11-30 | 广州地理研究所 | 一种车辆调度***及调度方法和装置 |
CN106571036A (zh) * | 2016-11-14 | 2017-04-19 | 中国联合网络通信集团有限公司 | 公共交通站点确定方法和装置 |
CN106649651A (zh) * | 2016-12-12 | 2017-05-10 | 大连理工大学 | 一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法 |
CN106649651B (zh) * | 2016-12-12 | 2018-07-06 | 大连理工大学 | 一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法 |
CN107067097A (zh) * | 2017-01-17 | 2017-08-18 | 北京远大宏略科技股份有限公司 | 一种基于智能快递柜的快递收发***及其收发路径优化方法 |
CN108053058A (zh) * | 2017-11-29 | 2018-05-18 | 东南大学 | 一种基于大数据的电动出租车充电桩选址方法 |
CN108053058B (zh) * | 2017-11-29 | 2021-12-07 | 东南大学 | 一种基于大数据的电动出租车充电桩选址方法 |
CN109902845A (zh) * | 2017-12-08 | 2019-06-18 | 宝沃汽车(中国)有限公司 | 车辆服务点的配置方法、装置和*** |
CN108388970A (zh) * | 2018-03-22 | 2018-08-10 | 浙江工业大学 | 一种基于gis的公交站点选址方法 |
CN108388970B (zh) * | 2018-03-22 | 2021-05-18 | 浙江工业大学 | 一种基于gis的公交站点选址方法 |
CN109543888A (zh) * | 2018-11-07 | 2019-03-29 | 中国联合网络通信集团有限公司 | 营业厅位置选择方法、装置及存储介质 |
CN109688535A (zh) * | 2018-12-13 | 2019-04-26 | 大唐软件技术股份有限公司 | 确定无线热点地理位置的方法、装置、电子设备及介质 |
CN109688535B (zh) * | 2018-12-13 | 2021-01-26 | 大唐软件技术股份有限公司 | 确定无线热点地理位置的方法、装置、电子设备及介质 |
CN109726964A (zh) * | 2019-01-04 | 2019-05-07 | 杭州卓凯科技有限公司 | 根据司机历史轨迹进行司机常驻点挖掘的方法 |
CN110458309A (zh) * | 2019-06-29 | 2019-11-15 | 东南大学 | 一种基于实际路网环境的网约拼车站点选址方法 |
CN110458309B (zh) * | 2019-06-29 | 2023-07-11 | 东南大学 | 一种基于实际路网环境的网约拼车站点选址方法 |
CN110288263A (zh) * | 2019-07-03 | 2019-09-27 | 北京首汽智行科技有限公司 | 一种基于用车行为的共享汽车停车网点确定方法 |
CN111178577A (zh) * | 2019-11-22 | 2020-05-19 | 陕西天行健车联网信息技术有限公司 | 一种基于geohash算法的服务站选址方法 |
CN111178577B (zh) * | 2019-11-22 | 2023-12-29 | 陕西天行健车联网信息技术有限公司 | 一种基于geohash算法的服务站选址方法 |
CN111339966A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 基于养殖业的地方评价方法、装置、设备及存储介质 |
CN115017427A (zh) * | 2022-08-09 | 2022-09-06 | 广州海普网络科技有限公司 | 一种地理位置信息推荐处理方法及*** |
CN117635020A (zh) * | 2023-11-30 | 2024-03-01 | 中国人民解放军96901部队 | 一种基于层次分析法与k-means的保障仓库选址方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105206046B (zh) | 2017-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105206046A (zh) | 基于大数据的出租车服务站选址及可行性评价方法 | |
CN108596727B (zh) | 一种共享单车的管理与决策方法 | |
Atkinson-Palombo et al. | The geography of advance transit-oriented development in metropolitan Phoenix, Arizona, 2000–2007 | |
Krykewycz et al. | Defining a primary market and estimating demand for major bicycle-sharing program in Philadelphia, Pennsylvania | |
Camagni et al. | Urban mobility and urban form: the social and environmental costs of different patterns of urban expansion | |
CN108280550B (zh) | 一种比较公共自行车站点社区划分的可视分析方法 | |
CN110533038A (zh) | 一种基于信息数据的城市活力区和中心城区边界识别的方法 | |
CN108537391B (zh) | 一种基于出租车轨迹数据的出租车停靠站设置优化方法 | |
CN105679009B (zh) | 一种基于出租车gps数据挖掘的打车/接单poi推荐***及方法 | |
Bao et al. | Spatial analysis of bikeshare ridership with smart card and POI data using geographically weighted regression method | |
Saizen et al. | Effects of land-use master plans in the metropolitan fringe of Japan | |
Liaghat et al. | A multi-criteria evaluation using the analytic hierarchy process technique to analyze coastal tourism sites | |
CN108133302A (zh) | 一种基于大数据的公共自行车潜在需求预测方法 | |
CN104269057B (zh) | 一种基于浮动车od数据的卡口传感器部署方法 | |
Mendiola et al. | The relationship between urban development and the environmental impact mobility: A local case study | |
Wong | An analysis of car and motorcycle ownership in Macao | |
Wang et al. | Measuring spatial accessibility to ecological recreation spaces in the Pearl River delta region: an improved two-step floating catchment area method | |
Shah et al. | Assessment of Ahmedabad (India) and Shanghai (China) on smart city parameters applying the Boyd Cohen smart city wheel | |
CN111582601A (zh) | 一种公交站点选址方法及装置 | |
Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
Moeinaddini et al. | The relationship between urban structure and travel behavior: challenges and practices | |
CN111429166A (zh) | 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法 | |
Kong et al. | Charging pile siting recommendations via the fusion of points of interest and vehicle trajectories | |
Zhou et al. | Investigating the intention of rural residents to use transit in Cixi, China | |
CN115115198A (zh) | 站城融合项目评价方法、***、电子设备、存储介质 |
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 |