CN105243837A - 一种公交客流走廊甄别方法 - Google Patents
一种公交客流走廊甄别方法 Download PDFInfo
- Publication number
- CN105243837A CN105243837A CN201510735994.6A CN201510735994A CN105243837A CN 105243837 A CN105243837 A CN 105243837A CN 201510735994 A CN201510735994 A CN 201510735994A CN 105243837 A CN105243837 A CN 105243837A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- corridor
- bus passenger
- flow corridor
- public transport
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交客流走廊甄别方法,包括以下步骤:(1)根据公交OD确定公交客流走廊及其方向;(2)沿客流走廊方向初步明确搜索客流走廊支撑道路的路径,得到公交客流走廊支撑道路,将公交OD分配在公交客流走廊支撑道路上;(3)根据公交客流走廊支撑道路第二次分配后的交通负荷和公交走廊的方向来判断是否出现客流异常;当客流分配结果存在某些公交客流走廊流量不足或非公交客流走廊上路段流量过大两种客流异常问题时,则重新调整客流走廊;当不存在客流异常时,即得到了最终的公交客流走廊。本发明根据公交OD的分布特性,对公交客流走廊进行甄别,可支撑城市大中运量公共交通线路方案的生成。
Description
技术领域
本发明属于公共交通规划中公交客流分析技术领域,涉及一种公共客流走廊甄别的方法,可以合理判别公交客流走廊,为大中运量公共交通设施布设提供依据。
背景技术
城市公交客流走廊为在某一地域内连接主要公交客流发源地,有共同流向的公交运输骨干线路。公交客流走廊沿线具有良好的交通可达性,导致高密度住宅区、商业、公共设施沿线开发,提供了众多的就业岗位,同时吸引了数量庞大的弹性出行。因此合理判定公交客流走廊是城市空间拓展、用地布局优化的基础。
公交客流走廊识别较为常用方法主要有经验判断、两步聚类、出行期望图三种方法。经验判断法较为简单易行,通常用作公交客流走廊初步分析。两步聚类识别法可以较为合理地搜索公交客流走廊方向,主要应用于公交客流走廊概念规划。出行期望图法结合四阶段需求预测,对线路布设指导意义较强,在工程实践中应用较广。但现有公交客流走廊识别方法未能将走廊方向搜索与支撑道路选择有机结合,导致在路网较为复杂时,局部公交客流走廊可能与实际公交客流方向不完全吻合。
发明内容
技术问题:本发明提供了一种基于动态聚类的城市公交客流走廊甄别方法。将动态聚类分析用于公交客流走廊的甄别,利用样本间的“距离”或“相似性”的程度来自动分类,事先选择若干样本作为聚类中心,然后分别计算每个样本与聚类中心的“距离”,并将样本划分给与之“距离”最近的那一聚类中心,通过合并得到新的聚类中心,动态聚类即为逐步合并的过程。公交客流走廊形成表现为不同方向的公交OD分布由于公交客流走廊的出行优势而汇聚,考虑利用动态聚类来描述不同OD对公交客流走廊的隶属情况。再进行两次交通分配,得到落实到具体干路的公交客流走廊及其客流负荷。
技术方案:一种公交客流走廊甄别方法,该方法包括以下步骤:
(1)根据公交OD确定公交客流走廊及其方向;
(2)沿公交客流走廊方向初步明确搜索公交客流走廊支撑道路的路径,并将公交OD分配在公交客流走廊支撑道路上,之后调整公交客流走廊支撑道路的阻抗参数为原先分配的v1/v2倍,再将公交OD分配在公交客流走廊支撑道路上,得到公交客流走廊支撑道路;其中,v1为非公交客流走廊出行的平均速度,v2为公交客流走廊出行速度;
(3)根据公交客流走廊支撑道路第二次分配后的交通负荷和公交客流走廊的方向来判断是否出现客流异常;当客流分配结果存在公交客流走廊流量不足或非公交客流走廊上路段流量过大两种客流异常问题时,返回步骤(1)重新调整公交客流走廊;当不存在客流异常时,即得到了最终的公交客流走廊。
所述步骤(1)中根据公交OD确定公交客流走廊及其方向的方法为两步聚类方法,步骤如下:
(11)选择若干对公交OD主流向作为初始公交客流走廊,即初始聚类中心;构建平面直角坐标系;选择公交OD中点坐标和与x轴正向的夹角作为聚类指标;依次计算公交OD到所有初始聚类中心的距离,并按照距离初始聚类中心距离最短原则进行分类;
(12)根据步骤(11)分类的结果,将隶属于同一类别的公交OD与初始公交客流走廊合并,形成新的公交客流走廊;得到新的公交客流走廊的方向与流量。
所述步骤(11)中选择公交OD主流向为选择客流量排名前几位的公交OD,其相互间存在一定的空间和方向差异。
所述步骤(11)中平面直角坐标系构建方式有两种:一种是高斯-克吕格尔平面直角坐标系,一种是原点任意假定,北向为纵轴,按顺时针方向以角度记值的平面直角坐标系。
所述步骤(11)中公交OD到所述初始聚类中心的距离采用欧式距离,计算方法如下:
E(Zx,y,a,Mx’,y’,a’)=Sqrt[(x-x’)2+(y-y’)2+(a-a’)2]
式中,E为欧氏距离;Zx,y,a为公交客流走廊空间位置;Mx’,y’,a’为待判定OD空间位置;(x,y)为离差标准化后的公交客流走廊的中点坐标,a为公交客流走廊方向与x正方向的夹角;(x’,y’)为待判别公交OD标准化后的中点坐标,a’为待判别公交OD与x正方向的夹角。
所述步骤(12)中的将隶属于同一类别的公交OD与初始公交客流走廊合并是从距离初始公交客流走廊方向最近的公交OD开始依次将公交OD和初始公交客流走廊进行合并;得到:
其中,(X,Y)和(X’,Y’)为新的公交客流走廊起终点坐标,(x,y)为公交OD中点坐标。
所述步骤(2)的公交OD分配中第一次分配采用随机用户平衡法将公交OD分配在公交客流走廊支撑道路上;第二次分配采用基于策略均衡分配法将公交OD分配在公交客流走廊支撑道路上。
所述步骤(3)中的客流异常包括存在公交客流走廊流量不足或非公交客流走廊上路段流量过大的两种客流异常问题。
所述步骤(3)重新调整初始公交客流走廊包括:若部分公交客流走廊流量过低,去除流量相对少的聚类中心;相反,若非公交客流走廊客流量过大,增加流量相对较多的未作为聚类中心的公交OD作为初始聚类中心。
有益效果:本发明与现有技术相比,具有以下优点:
本发明提出基于动态聚类的两阶段公交客流走廊支撑道路甄别方法,第一阶段,确定公交客流走廊数量,判定公交客流走廊走向,第二阶段识别支撑道路,并检验公交客流走廊数量合理性。判定公交客流走廊走向更加精确,在干路网络进行交通分配后,依据公交客流负荷和公交客流走廊的方向判定公交客流走廊支撑道路,将公交客流走廊方向搜索与支撑道路选择有机结合,此方法提高了公交客流走廊识别精度,为大中运量公共交通设施布设提供依据。
附图说明
图1为本发明公交客流走廊甄别方法的流程图。
图2为公交客流走廊方向判定聚类指标示意图。
图3为公交OD方向与公交客流走廊方向七种不同位置关系。
图4为实例公交客流走廊流量分配结果。
具体实施方式
下面结合附图和具体实例对本发明作进一步详细描述,但不为对本发明的限定。
一种公交客流走廊甄别方法,该方法流程如图1所示,包括以下步骤:
(1)选定公交OD主流向作为初始聚类中心,即初始公交客流走廊,在明确各OD所隶属类别之后,动态聚类寻找比初始公交客流走廊更为合理的走廊方向。
(11)初始聚类中心与聚类参数选择
分析公交客流走廊方向时,在交通中区分布层面,选择2~8对公交OD主流向作为初始公交客流走廊,即初始聚类中心。公交客流走廊方向判定时,若将OD全体作为研究对象,次要OD分布方向会对公交客流走廊方向产生干扰,将相对较大的OD作为初始聚类中心,选择主要的OD方向,对于分布量较少的OD可暂不考虑,一般选择客流量排名前几位的公交OD作为聚类分析研究对象,其相互间存在一定的空间和方向差异。
构建平面直角坐标系,一种是高斯-克吕格尔平面直角坐标系,一种是原点任意假定,北向为纵轴,按顺时针方向以角度记值的平面直角坐标系。聚类参数选择公交OD中点坐标和与x轴正向的夹角作为聚类指标,即聚类指标为三维向量[x,y,a]。通过中点坐标的位置关系可以描述OD空间相对距离,通过x正向夹角可以描述OD方向性相似程度。由于坐标和角度在单位上具有较大的差异,在聚类之前需要分别对指标离差标准化,将所有指标均转换为0~1间的数值,从而便于衡量不同指标的距离差异。
依次计算公交OD到所有初始中心点的距离,并按照距离初始中心点距离最短原则将所有样本分类,示意如图2所示。聚类距离选择欧式距离计算方法,则公交客流走廊和待判别公交OD距离为:
E(Zx,y,a,Mx’,y’,a’)=Sqrt[(x-x’)2+(y-y’)2+(a-a’)2](式1)式中,E为欧氏距离;Zx,y,a为公交客流走廊空间位置;Mx’,y’,a’为待判定OD空间位置;(x,y)为离差标准化后的公交客流走廊的中点坐标,a为公交客流走廊方向与x正方向的夹角;(x’,y’)为待判别公交OD标准化后的中点坐标,a’为待判别公交OD与x正方向的夹角。
(12)公交OD与公交客流走廊合并
公交OD方向与公交客流走廊聚类是在明确各OD所隶属类别之后,寻找比初始公交客流走廊更为合理的走廊方向,以此作为新的聚类中心,参与下一阶段的迭代。在合并过程中需解决两个关键问题:合并后新公交客流走廊客流量和方向。
由于出行选择的随机性,公交OD与走廊主要有图3所示的7种相对位置关系,需要分别讨论走廊被利用的部分以及被利用部分承担的流量。
若公交OD在走廊上的投影完全落在外部,则认为此公交OD不会利用走廊出行,如图3(a)中所示。若公交OD完全包含走廊时,则认为公交OD全部利用该走廊出行,公交OD分布量为利用走廊的出行量,如图3(b)中所示。若公交OD与走廊共线,但未完全包含走廊,则公交OD全部利用该走廊出行,但仅利用共线部分的走廊,被利用部分流量为公交OD分布量,如图3(c)和(d)所示。
若公交OD与走廊不为共线关系,但投影全部落在走廊内部,此时公交OD出行要利用走廊出行,可只利用部分走廊,此部分为OD在走廊方向的投影,如图3(e)所示。若公交OD投影全部落在走廊外部,此时公交OD若要利用走廊,需通过全部走廊,如图3(f)所示。若公交OD投影一端在走廊内部,另一端在走廊外部,相当于图3(e)和(f)的混合,如图3(g)所示。图3(e)、(f)和(g)中利用走廊出行和不利用走廊出行时间为
式中,tk为利用走廊k出行时间(h);tOD为不利用走廊出行时间(h);Dk为走廊k利用长度(km);a和b分别为O和D到达走廊的距离(km);d为不利用走廊出行的距离(km);v1为非走廊出行的平均速度(km/h),一般可取值为15~20km/h;v2为走廊出行速度(km/h),结合走廊的公交运输方式,一般取值为25~40km/h。
由于出行路径选择的随机性,利用Logit模型来计算公交OD利用交通走廊来完成的出行量,则利用走廊流量和不利用走廊流量为
式中,Cij为公交OD分布流量(人次);Cijk为利用走廊k出行流量(人次);CijOD为不利用走廊出行流量(人次);m为走廊数量(个);tk为利用走廊k的出行时间。
由于不同公交OD在走廊的投影位置不同,可能出现同一走廊上交通流量不均匀的情况,可用不同位置流量的加权平均值来代替走廊流量。如果第i段走廊流量为Ci,长度为di,则走廊的平均流量为来计算。
公交OD方向合并中,为了保证客流走廊方向与公交OD主流向相符,将隶属于同一类别的公交OD与走廊合并,根据聚类分析的结果,从距离走廊方向相对近的OD开始合并。在确定走廊方向的时候,可能出现两种情况,一种是OD与走廊相交,一种是OD位于走廊两侧。
新走廊方向判定通过计算坐标来实现,以走廊和非走廊出行分布流量作为加权因子C和C2,通过对原走廊起终点坐标(x1,y1)和(x2,y2)、公交OD起终点坐标(x3,y3)和(x4,y4)的加权平均,计算新走廊起终点坐标(X,Y)和(X’,Y’)。即
根据起终点的坐标可以得出新聚类中心为:
公交OD动态聚类的过程中往往需要多次迭代,当前后两次迭代聚类中心差异足够小时,才能合理确定聚类中心。公交客流走廊方向判定应以前后两次走廊方向差异作为收敛标准。由于城市客流特征的多样性和路径选择的复杂性,收敛标准往往难以确定,甚至可能出现不收敛的情况。参照交通分配收敛标准的确定方法,以迭代次数为走廊方向判定的收敛标准。公交客流走廊方向判定只是为下一阶段走廊支撑道路识别明确方向,不需过高的精度,迭代次数不必过多,迭代2~3次即可。
(2)进行两次交通分配,沿客流走廊方向初步明确搜索客流走廊支撑道路的路径,得到公交客流走廊支撑道路,第一次将公交OD分配在路网上,调整走廊支撑道路的阻抗参数,再将公交OD分配在搜索到的路径上。
公交客流走廊支撑道路识别主要利用交通分配模型,由于交通分配的结果并没有考虑走廊对出行路径选择的影响,为了体现走廊的“聚集效应”,需要进行两次交通分配。第一次交通分配是采用随机用户平衡法将公交OD分配在路网上,这样路网覆盖性和现实符合性更强。第二次交通分配采用基于策略均衡分配法,调整公交客流走廊支撑道路的道路阻抗参数,重新将交通小区公交OD分配到路网上。公交客流走廊支撑道路阻抗参数的调整,主要依据走廊出行速度和非走廊出行速度的比值,需要将公交客流走廊路段阻抗参数调整为原来的v1/v2倍,非公交客流走廊路段参数保持不变。
(3)根据走廊支撑道路第二次分配后的交通负荷和公交客流走廊的方向来判断是否出现客流异常。选择初始公交客流走廊数量时是通过OD流量人为主观确定,与城市可能存在的公交客流走廊很可能不一致,导致客流再次分配的结果可能存在某些公交走廊流量不足或非公交走廊上路段流量过大的两种“客流异常”问题。当出现客流异常时,需要返回步骤(1)对初始走廊分类(即聚类中心的数量)加以调整。若部分公交客流走廊流量过低,说明步骤(1)初始公交客流走廊的分类过多,即公交客流走廊过度识别,需要去除流量相对少的聚类中心;相反,若非公交客流走廊客流量过大,说明步骤(1)初始公交客流走廊分类过少,即部分公交客流走廊未能充分识别,需要增加流量相对较多的未作为聚类中心的公交OD作为聚类中心。当不存在客流异常时,识别出的公交客流走廊支撑道路即可作为大中运量公共交通线路方案设计的依据。
实例:本发明以某城市为例,将主城区共分为10个交通中区及53个交通小区,选取27对交通中区公交主OD为研究对象。选择4对流量相对大的OD作为初始公交客流走廊。利用数理统计软件SPSS完成交通分布的聚类,交通分配模型采用随机用户平衡模型。动态聚类相关指标如表1所示,聚类结果如表2所示。
表1初始聚类参数(OD分布单位为万人次)
注:右上角带*数据为初始聚类中心
表2聚类结果
将分配结果按照走廊方向搜索,得出公交客流走廊的支撑道路如图4(a)所示。经过参数调整,可得分配结果如图4(b)所示,走廊双向日流量在5~6万人次左右,非走廊双向日流量均低于3万人次,流量差异较大,说明步骤一走廊数量定为4条较为合理,不需重新调整聚类中心数量。由此,可得到4条公交客流走廊,为大中运量公交线位布设提供依据。
Claims (9)
1.一种公交客流走廊甄别方法,其特征在于:包括如下步骤:
(1)根据公交OD确定公交客流走廊及其方向;
(2)沿公交客流走廊方向初步明确搜索公交客流走廊支撑道路的路径,得到公交客流走廊支撑道路;先将公交OD分配在公交客流走廊支撑道路上,之后调整公交客流走廊支撑道路的阻抗参数为原先分配的v1/v2倍,再将公交OD分配在公交客流走廊支撑道路上;其中,v1为非公交客流走廊出行的平均速度,v2为公交客流走廊出行速度;
(3)根据公交客流走廊支撑道路第二次分配后的交通负荷和公交客流走廊的方向来判断是否出现客流异常;当客流分配结果存在某些公交客流走廊流量不足或非公交客流走廊上路段流量过大两种客流异常问题时,返回步骤(1)重新调整公交客流走廊;当不存在客流异常时,即得到了最终的公交客流走廊。
2.根据权利要求1所述的公交客流走廊甄别方法,其特征在于:所述步骤(1)中根据公交OD确定公交客流走廊及其方向的方法为两步聚类方法,步骤如下:
(11)选择若干对公交OD主流向作为初始公交客流走廊,即初始聚类中心;构建平面直角坐标系;选择公交OD中点坐标和与x轴正向的夹角作为聚类指标;依次计算公交OD到所有初始聚类中心的距离,并按照距离初始聚类中心距离最短原则进行分类;
(12)根据步骤(11)分类的结果,将隶属于同一类别的公交OD与初始公交客流走廊合并,形成新的公交客流走廊;得到新的公交客流走廊的方向与流量。
3.根据权利要求2所述的公交客流走廊甄别方法,其特征在于:所述步骤(11)中选择公交OD主流向为选择客流量排名前几位的公交OD,其相互间存在一定的空间和方向差异。
4.根据权利要求2所述的公交客流走廊甄别方法,其特征在于:所述步骤(11)中平面直角坐标系构建方式有两种:一种是高斯-克吕格尔平面直角坐标系,一种是原点任意假定,北向为纵轴,按顺时针方向以角度记值的平面直角坐标系。
5.根据权利要求2所述的公交客流走廊甄别方法,其特征在于:所述步骤(11)中公交OD到所述初始聚类中心的距离采用欧式距离,计算方法如下:
E(Zx,y,a,Mx’,y’,a’)=Sqrt[(x-x’)2+(y-y’)2+(a-a’)2]
式中,E为欧氏距离;Zx,y,a为公交客流走廊空间位置;Mx’,y’,a’为待判定OD空间位置;(x,y)为离差标准化后的公交客流走廊的中点坐标,a为公交客流走廊方向与x正方向的夹角;(x’,y’)为待判别公交OD标准化后的中点坐标,a’为待判别公交OD与x正方向的夹角。
6.根据权利要求2所述的公交客流走廊甄别方法,其特征在于:所述步骤(12)中的将隶属于同一类别的公交OD与初始公交客流走廊合并是从距离初始公交客流走廊方向最近的公交OD开始依次将公交OD和初始公交客流走廊进行合并;得到:
其中,(X,Y)和(X’,Y’)为新的公交客流走廊起终点坐标,(x,y)为公交OD中点坐标。
7.根据权利要求1所述的公交客流走廊甄别方法,其特征在于:所述步骤(2)的公交OD分配中第一次分配采用随机用户平衡法将公交OD分配在公交客流走廊支撑道路上;第二次分配采用基于策略均衡分配法将公交OD分配在公交客流走廊支撑道路上。
8.根据权利要求1所述的公交客流走廊甄别方法,其特征在于:所述步骤(3)中的客流异常包括存在公交客流走廊流量不足或非公交客流走廊上路段流量过大的两种客流异常问题。
9.根据权利要求1所述的公交客流走廊甄别方法,其特征在于:所述步骤(3)重新调整初始公交客流走廊包括:若部分公交客流走廊流量过低,去除流量相对少的聚类中心;相反,若非公交客流走廊客流量过大,增加流量相对较多的未作为聚类中心的公交OD作为初始聚类中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510735994.6A CN105243837A (zh) | 2015-11-03 | 2015-11-03 | 一种公交客流走廊甄别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510735994.6A CN105243837A (zh) | 2015-11-03 | 2015-11-03 | 一种公交客流走廊甄别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105243837A true CN105243837A (zh) | 2016-01-13 |
Family
ID=55041463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510735994.6A Pending CN105243837A (zh) | 2015-11-03 | 2015-11-03 | 一种公交客流走廊甄别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243837A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145989A (zh) * | 2018-08-22 | 2019-01-04 | 深圳市东部公共交通有限公司 | 公交站点布设方法、装置及计算机终端 |
CN111161560A (zh) * | 2019-12-27 | 2020-05-15 | 青岛海信网络科技股份有限公司 | 一种公交廊道营运秩序管理方法及装置 |
CN111476494A (zh) * | 2020-04-11 | 2020-07-31 | 重庆交通开投科技发展有限公司 | 基于多源数据精准分析公交人口地理分布的方法 |
CN111784830A (zh) * | 2020-06-16 | 2020-10-16 | 中国城市规划设计研究院 | 一种基于规则的三维地理信息模型空间分析方法与*** |
CN112132236A (zh) * | 2020-11-20 | 2020-12-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于聚类算法的需求子区划分、线路规划方法及装置 |
CN112543427A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于信令轨迹及大数据分析识别城市交通走廊的方法与*** |
CN114758498A (zh) * | 2022-04-01 | 2022-07-15 | 中南大学 | 基于多向最优扩展的城市有向交通廊道识别方法 |
CN115810271A (zh) * | 2023-02-07 | 2023-03-17 | 安徽交欣科技股份有限公司 | 一种基于刷卡数据判断客流走廊位置的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009176187A (ja) * | 2008-01-28 | 2009-08-06 | Nec Corp | 交通流分散システム、交通流分散方法、交通流分散プログラムおよびプログラム記録媒体 |
CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 东南大学 | 一种基于ic卡数据获取公交站点od的方法及*** |
CN104217250A (zh) * | 2014-08-07 | 2014-12-17 | 北京市交通信息中心 | 一种基于历史数据的城市轨道交通新线开通客流预测方法 |
CN104240504A (zh) * | 2014-09-10 | 2014-12-24 | 华南理工大学 | 一种brt站台和走廊的客流状态分析预警方法 |
-
2015
- 2015-11-03 CN CN201510735994.6A patent/CN105243837A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009176187A (ja) * | 2008-01-28 | 2009-08-06 | Nec Corp | 交通流分散システム、交通流分散方法、交通流分散プログラムおよびプログラム記録媒体 |
CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 东南大学 | 一种基于ic卡数据获取公交站点od的方法及*** |
CN104217250A (zh) * | 2014-08-07 | 2014-12-17 | 北京市交通信息中心 | 一种基于历史数据的城市轨道交通新线开通客流预测方法 |
CN104240504A (zh) * | 2014-09-10 | 2014-12-24 | 华南理工大学 | 一种brt站台和走廊的客流状态分析预警方法 |
Non-Patent Citations (2)
Title |
---|
孔哲等: "基于动态聚类的大城市公交客流走廊甄别方法", 《东南大学学报(自然科学版)》 * |
宋南南: "基于客流走廊的快速公交需求分析方法研究", 《东南大学硕士学位论文(万方数据知识服务平台收录)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145989A (zh) * | 2018-08-22 | 2019-01-04 | 深圳市东部公共交通有限公司 | 公交站点布设方法、装置及计算机终端 |
CN109145989B (zh) * | 2018-08-22 | 2021-07-06 | 深圳市东部公共交通有限公司 | 公交站点布设方法、装置及计算机终端 |
CN111161560A (zh) * | 2019-12-27 | 2020-05-15 | 青岛海信网络科技股份有限公司 | 一种公交廊道营运秩序管理方法及装置 |
CN111161560B (zh) * | 2019-12-27 | 2021-05-11 | 青岛海信网络科技股份有限公司 | 一种公交廊道营运秩序管理方法及装置 |
CN111476494A (zh) * | 2020-04-11 | 2020-07-31 | 重庆交通开投科技发展有限公司 | 基于多源数据精准分析公交人口地理分布的方法 |
CN111784830A (zh) * | 2020-06-16 | 2020-10-16 | 中国城市规划设计研究院 | 一种基于规则的三维地理信息模型空间分析方法与*** |
CN111784830B (zh) * | 2020-06-16 | 2021-05-14 | 中国城市规划设计研究院 | 一种基于规则的三维地理信息模型空间分析方法与*** |
CN112132236A (zh) * | 2020-11-20 | 2020-12-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于聚类算法的需求子区划分、线路规划方法及装置 |
CN112543427A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于信令轨迹及大数据分析识别城市交通走廊的方法与*** |
CN112543427B (zh) * | 2020-12-01 | 2021-11-09 | 江苏欣网视讯软件技术有限公司 | 基于信令轨迹及大数据分析识别城市交通走廊的方法与*** |
CN114758498A (zh) * | 2022-04-01 | 2022-07-15 | 中南大学 | 基于多向最优扩展的城市有向交通廊道识别方法 |
CN115810271A (zh) * | 2023-02-07 | 2023-03-17 | 安徽交欣科技股份有限公司 | 一种基于刷卡数据判断客流走廊位置的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243837A (zh) | 一种公交客流走廊甄别方法 | |
CN108470444B (zh) | 一种基于遗传算法优化的城市区域交通大数据分析***与方法 | |
CN111260221B (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
CN105857350B (zh) | 一种基于区间断面客流的高铁列车开行方法 | |
CN110288212B (zh) | 基于改进的mopso的电动出租车新建充电站选址方法 | |
CN105844362B (zh) | 一种城市交通综合出行决策装置 | |
CN103226801B (zh) | 基于多用户配流模型的空港集疏运交通量确定方法 | |
CN103198104A (zh) | 一种基于城市智能公交***的公交站点od获取方法 | |
CN112309119B (zh) | 一种城市交通***容量分析优化方法 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN112347596B (zh) | 一种城市公交线网优化方法 | |
CN102279950A (zh) | 基于数据挖掘和神经网络的轨道交通清分方法 | |
CN105225004A (zh) | 城市群城际铁路线网的构建方法 | |
CN112990976A (zh) | 基于开源数据挖掘的商业网点选址方法、***、设备及介质 | |
CN110427365A (zh) | 提高合单准确性的地址合并方法及*** | |
Ozus et al. | Hierarchical cluster analysis of multicenter development and travel patterns in Istanbul | |
CN110210667B (zh) | 基于变尺度地理加权回归模型的o-d时空分布预测方法 | |
CN111460598A (zh) | 一种基于机器学习的公交干线网生成方法 | |
Bao et al. | Spatiotemporal clustering analysis of shared electric vehicles based on trajectory data for sustainable urban governance | |
CN114723596A (zh) | 一种基于多源交通出行数据和主题模型的城市功能区识别方法 | |
CN106067078A (zh) | 一种双站台的公交泊位分配优化方法 | |
CN105956687A (zh) | 一种使无效交通减少的交通网络规划方法 | |
CN111429166B (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 | |
Shao-hong et al. | Location algorithm of transfer stations based on density peak and outlier detection | |
Ma et al. | Node-place model extended by system support: Evaluation and classification of metro station areas in Tianfu new area of Chengdu |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160113 |