CN107808217A - 一种基于北斗定位与客流量的公交换乘优化方法 - Google Patents
一种基于北斗定位与客流量的公交换乘优化方法 Download PDFInfo
- Publication number
- CN107808217A CN107808217A CN201711003324.0A CN201711003324A CN107808217A CN 107808217 A CN107808217 A CN 107808217A CN 201711003324 A CN201711003324 A CN 201711003324A CN 107808217 A CN107808217 A CN 107808217A
- Authority
- CN
- China
- Prior art keywords
- bus
- dis
- bus stop
- stop
- network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 title abstract 2
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 238000013479 data entry Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001680 brushing effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于北斗定位与客流量的公交换乘优化方法。本发明利用北斗卫星导航***测取公交数据,根据复杂网络的基本理论及算法构建城市公交网络,结合公交网络给出最优方案。基本思路为:首先采集公交各个线路及其通过的站点信息数据,两站点间的距离,公交车刷卡数据,确定有关参数与边的权值,根据用户需求分别建立复杂网络模型,根据不同模型对应的邻接矩阵,利用Floyd算法分析计算确定最终乘车方案。
Description
技术领域
本发明涉及一种基于北斗定位与客流量的公交换乘优化方法,属于公交换乘方案优化的技术领域。
背景技术
公交乘车方案是公交网络***的重要课题之一,结合复杂网络分析公交***结构,根据居民需求给出最优乘车方案对居民出行有重要意义。目前,城市公交乘车方案的研究已逐渐趋向网络化、***化;但现有技术中,缺少精准、有效的基于北斗高精度定位与公交客流量的乘车方案,现有技术中的公交乘车方案也无法有效的根据城市公交***网络的特性、实际拥堵状态给出合适的优化方法。
发明内容
针对现有技术的不足,本发明提供一种基于北斗定位与客流量的公交换乘优化方法。
发明概述:
本发明利用北斗卫星导航***测取公交数据,根据复杂网络的基本理论及算法构建城市公交网络,结合公交网络给出最优方案。基本思路为:首先采集公交各个线路及其通过的站点信息数据,两站点间的距离,公交车刷卡数据,确定有关参数与边的权值,根据用户需求分别建立复杂网络模型,根据不同模型对应的邻接矩阵,利用Floyd算法分析计算确定最终乘车方案。
术语说明:
L空间:在L空间中,以公交站点为节点,若两个站点是同一公交线路上相邻的,那么它们就有连边,若不相邻则无连边。
P空间:在P空间中,以公交站点为节点,若两个站点有公交线路通过即两个站点有直达公交路线,那么他们就具有连边;若无两站点之间无直达公交路线,则无连边。
边:表示两个相邻节点的连接关系,分为无权边和有权边。
最短路径:从源节点到目的节点所经过距离最短的路径,共有条最短路径,N为网络中节点的数量。
本发明的技术方案为:
一种基于北斗定位与客流量的公交换乘优化方法,包括步骤如下:
1)获取公交数据:
收集并记录公交数据;所述公交数据包括,公交线路图、公交站点名称、同一条公交线路中两相邻公交站点间的实际距离和公交刷卡次数;
公交线路及公交站点用于建立公交网络***的复杂网络;公交刷卡次数可以比较准确的反应客流量大小;公交站点间距离作为计算连边的权值的参数。
2)数据预处理:
按公交车行进顺序依次对每条公交线路中的公交站点进行顺序编号;
计算同一对相邻公交站点间通过公交线路的数量;记两相邻公交站点i与公交站点j之间通过的不同公交线路数为Nij;现实当中两相邻公交站点可能会有多条不同公交线路同时经过;
相邻公交站点i与公交站点j间的距离记为Lij;通过公交刷卡次数计算相邻公交站点i与公交站点j的总客流量Fij;
Nij、Fij、Lij均为用于计算用时最少乘车方案中两相邻站点间的权值;相邻公交站点i与公交站点j间的距离Lij过北斗高精度车载定位设备测量得到;
3)构建公交网络***的复杂网络;
复杂网络通常是由数量巨大的节点和节点之间错综复杂的关系共同构成的,其网络结构有着复杂的拓扑结构特征。城市公交网络拓扑模型主要采用P空间模型和L空间模型,分别对应公交换乘网络和公交站点网络;
本发明利用pajek进行复杂网络的构建与分析,pajek能够提供直观的网络构图,有利于分析最优乘车方案。
换乘次数最少的公交乘车方案
换乘次数最少的公交乘车方案需要用P空间的方法构建无向无权的公交网络,在P空间中,以公交站点作为网络中的各个节点,同一公交线路中任意两个站点具有连边,两站点之间若无直达公交线路,则两站点之间无连边。
3.1.1)在pajek中,采用依次列举复杂网络中所有边的方式进行数据录入,基本格式如下所示:
*Vertices N
*Edgeslist[i j c]
*Matrix
在上述数据结构中,N表示复杂网络中全部节点的数量,i和j分别表示与所述边对应的两个公交站点的编号,c表示权重,当公交站点i与公交站点j之间有公交线路时,c=0;当公交站点i与公交站点j之间无公交线路时c=1;
在pajek中,数据录入的基本格式为:
*Vertices N
*Arcslist[i j c]
*Edgeslist[i j c]
*Matrix
*Arcslist[i j c]和*Edgeslist[i j c]二者只选择其一,前者表示将构建有向网络,后者表示将组建无向网络;各行数据之间没有留空行,数据之间使用空格或Tab键分隔;本发明构建的为无向网络,因而采用Edgeslist;
3.1.2)利用pajek读取公交网络***的net文件,利用P空间方法生成公交换乘网络的复杂网络图;以公交站点作为复杂网络中的节点;
3.1.3)根据复杂网络中各个节点间的连接关系,构造城市公交网络***的邻接矩阵;邻接矩阵中的元素aij为0或者1;1代表相应的行数与列数的站点间有公交线路;0代表相应的行数与列数的站点间没有公交线路;
3.1.4)根据邻接矩阵,利用Floyd算法计算任意两站点之间的最少换乘次数;具体步骤如下:
A)设Dis(i,j)为公交站点i到公交站点j的最少换乘次数;
B)对于每一个公交站点k,检查Dis(i,k)+Dis(k,j)<Dis(i,j)是否成立,如果成立,则判定从i到k再到j的路径比i直接到j的路径短,设置Dis(i,j)=Dis(i,k)+Dis(k,j);其中,k≠i,j;
C)重复步骤B),直至遍历所有公交站点k,Dis(i,j)即公交站点i到公交站点j的最少换乘次数;
Floyd算法是一个经典的动态规划算法。寻找从公交站点i到公交站点j的最短路径。从动态规划的角度看,从任意公交站点i到任意公交站点j的最短路径不外乎2种可能,一是直接从公交站点i到公交站点j,二是从公交站点i经过若干个公交站点k到公交站点j。
用时最少的公交乘车方案
本方案中边的权值不再为1,而是Wij;代表着路段的公交行驶效率,权值越大代表该路段的公交行驶效率差,通过此路段的耗时较长,权值越小代表该路段的公交行驶效率高,通过此路段的时间短。
3.2.1)在pajek中,采用依次列举复杂网络中所有边的方式进行数据录入,基本格式如下所示:
*Vertices N
*Edgeslist[i j c]
*Matrix
步骤3.2.1)与步骤3.1.1)不同的是在进行数据录入时,站点与站点间的连接关系发生变化,同一线路中的所有站点构成的子网络不再是完全图,而是公交线路中仅相邻站点具有连接关系。
3.2.2)利用pajek读取公交网络***的net文件,利用L空间方法生成公交站点网络的复杂网络图;以公交站点作为复杂网络中的节点;连边的权值
3.2.3)根据复杂网络中各个节点间的连接关系,构建城市公交网络的L空间邻接矩阵;邻接矩阵中的元素aij为0或者1;1代表相应的行数与列数的站点间有公交线路;0代表相应的行数与列数的站点间没有公交线路;在L空间下同一公交线路中仅相邻的两公交站点有连接关系。
3.2.4)利用Floyd算法计算最省时间的公交乘车方案;具体步骤如下:
a)设dis(i,j)为公交站点i到公交站点j的最少换乘次数;
b)对于每一个公交站点k,检查dis(i,k)+dis(k,j)<dis(i,j)是否成立,如果成立,则判定从i到k再到j的路径比i直接到j的路径短,设置dis(i,j)=dis(i,k)+dis(k,j);其中,k≠i,j;
c)重复步骤b),直至遍历所有公交站点k,dis(i,j)即公交站点i到公交站点j的最少换乘次数;
其中,为公交站点i与公交站点j之间所有边的权值之和,n为转车次数,T为每次换乘时的平均等待时间,T为经验值。
与步骤3.1.4)不同的是,进行最小值比较时,比较的是两个站点间路径经过的带权值的边的和与转车数次乘以等待时间之和;
根据本发明优选的,所述公交数据通过车载北斗卫星导航***收集;同一公交线路中两相邻公交站点间的实际距离通过车载北斗定位设备获取。
本发明的有益效果为:
1.本发明所述基于北斗定位与客流量的公交换乘优化方法,实现公交数据的定位化与精准化,且能有效的构建城市公交网络***并分析其网络特性,根据用户的需求提出针对性的换乘方案,合理出行、避免拥堵,届时能够提高公交利用率,促进城市交通的顺畅运行。
附图说明
图1为本发明所述公交换乘优化方法的流程图;
图2为实施例1中步骤3.1.1)录入的数据形式截图;
图3为实施例1中利用P空间方法构建的14路公交车的公交网络图;
图4为实施例1中步骤3.2.1)录入的数据形式截图;
图5为实施例1中利用L空间方法构建的14路公交车公交站点网络图。
具体实施方式
下面结合实施例和说明书附图对本发明做进一步说明,但不限于此。
实施例1
如图1所示。
一种基于北斗定位与客流量的公交换乘优化方法,包括步骤如下:
1)获取公交数据:
收集并记录公交数据;所述公交数据包括,公交线路图、公交站点名称、同一条公交线路中两相邻公交站点间的实际距离和公交刷卡次数;
公交线路及公交站点用于建立公交网络***的复杂网络;公交刷卡次数可以比较准确的反应客流量大小;公交站点间距离作为计算连边的权值的参数。
2)数据预处理:
按公交车行进顺序依次对每条公交线路中的公交站点进行顺序编号;以济南市公交网络***为例,收集1路至217路公交线路数据,共计1436个站点。
计算同一对相邻公交站点间通过公交线路的数量;记两相邻公交站点i与公交站点j之间通过的不同公交线路数为Nij;现实当中两相邻公交站点可能会有多条不同公交线路同时经过;
相邻公交站点i与公交站点j间的距离记为Lij;通过公交刷卡次数计算相邻公交站点i与公交站点j的总客流量Fij;这里以公交刷卡次数作为客流量Fij;
Nij、Fij、Lij均为用于计算用时最少乘车方案中两相邻站点间的权值;相邻公交站点i与公交站点j间的距离Lij过北斗高精度车载定位设备测量得到;
3)构建公交网络***的复杂网络;
复杂网络通常是由数量巨大的节点和节点之间错综复杂的关系共同构成的,其网络结构有着复杂的拓扑结构特征。城市公交网络拓扑模型主要采用P空间模型和L空间模型,分别对应公交换乘网络和公交站点网络;
利用pajek进行复杂网络的构建与分析,pajek能够提供直观的网络构图,有利于分析最优乘车方案。
换乘次数最少的公交乘车方案
换乘次数最少的公交乘车方案需要用P空间的方法构建无向无权的公交网络,在P空间中,以公交站点作为网络中的各个节点,同一公交线路中任意两个站点具有连边,两站点之间若无直达公交线路,则两站点之间无连边。
3.1.1)在pajek中,采用依次列举复杂网络中所有边的方式进行数据录入,基本格式如下所示:
*Vertices N
*Edgeslist[i j c]
*Matrix
在上述数据结构中,N表示复杂网络中全部节点的数量,i和j分别表示与所述边对应的两个公交站点的编号,c表示权重,当公交站点i与公交站点j之间有公交线路时,c=0;当公交站点i与公交站点j之间无公交线路时c=1;
以济南公交14路车的路线为例,数据录入如图2所示,其构建的网络由16个公交站点所组成。各站点间的连接关系由*Edges下方数据所确定,如*Edges下方前16行:1站点与2站点具有连边,其权重为1;1站点与3站点具有连边,其权重为1;……1站点与16站点具有连边,其权重为1。
3.1.2)利用pajek读取公交网络***的net文件,利用P空间方法生成公交换乘网络的复杂网络图;以公交站点作为复杂网络中的节点;以济南公交14路车为例,利用P空间方法构建的公交网络如图3所示。
3.1.3)根据复杂网络中各个节点间的连接关系,构造城市公交网络***的邻接矩阵;邻接矩阵中的元素aij为0或者1;1代表相应的行数与列数的站点间有公交线路;0代表相应的行数与列数的站点间没有公交线路;
以济南14路公交为例,构造的邻接矩阵如下:
由此矩阵可见,在P空间下同一线路中任意两站点都具有连接关系。
3.1.4)根据邻接矩阵,利用Floyd算法计算任意两站点之间的最少换乘次数;具体步骤如下:
A)设Dis(i,j)为公交站点i到公交站点j的最少换乘次数;
B)对于每一个公交站点k,检查Dis(i,k)+Dis(k,j)<Dis(i,j)是否成立,如果成立,则判定从i到k再到j的路径比i直接到j的路径短,设置Dis(i,j)=Dis(i,k)+Dis(k,j);其中,k≠i,j;
C)重复步骤B),直至遍历所有公交站点k,Dis(i,j)即公交站点i到公交站点j的最少换乘次数;
Floyd算法是一个经典的动态规划算法。寻找从公交站点i到公交站点j的最短路径。从动态规划的角度看,从任意公交站点i到任意公交站点j的最短路径不外乎2种可能,一是直接从公交站点i到公交站点j,二是从公交站点i经过若干个公交站点k到公交站点j。
经计算得出,济南公交网络任意两站点之间平均转车次数为1.6,与上海的1.15,广州的1.37,北京的1.56相比,转车的效率低于以上几城市。
用时最少的公交乘车方案
本方案中边的权值不再为1,而是Wij;代表着路段的公交行驶效率,权值越大代表该路段的公交行驶效率差,通过此路段的耗时较长,权值越小代表该路段的公交行驶效率高,通过此路段的时间短。
3.2.1)在pajek中,采用依次列举复杂网络中所有边的方式进行数据录入,基本格式如下所示:
*Vertices N
*Edgeslist[i j c]
*Matrix
步骤3.2.1)与步骤3.1.1)不同的是在进行数据录入时,站点与站点间的连接关系发生变化,同一线路中的所有站点构成的子网络不再是完全图,而是公交线路中仅相邻站点具有连接关系。以济南14路车为例,假设本例中各边权值均为1,则数据录入如图4所示,在*Edges中,相邻的站点具有连接关系。
3.2.2)利用pajek读取公交网络***的net文件,利用L空间方法生成公交站点网络的复杂网络图;以公交站点作为复杂网络中的节点;连边的权值
通过L空间的方法构建无向有权的公交网络;如果两公交站点间有直达的公交线路通过,则两公交站点间有连边,如果两公交站点没有直达的公交线路通过,则两公交站点间无连边;利用L空间方法构建的公交站点网络如图5所示;
3.2.3)根据复杂网络中各个节点间的连接关系,构建城市公交网络的L空间邻接矩阵;邻接矩阵中的元素aij为0或者1;1代表相应的行数与列数的站点间有公交线路;0代表相应的行数与列数的站点间没有公交线路;在L空间下同一公交线路中仅相邻的两公交站点有连接关系。以济南14路公交为例,构造的邻接矩阵如下:
3.2.4)利用Floyd算法计算最省时间的公交乘车方案;具体步骤如下:
a)设dis(i,j)为公交站点i到公交站点j的最少换乘次数;
b)对于每一个公交站点k,检查dis(i,k)+dis(k,j)<dis(i,j)是否成立,如果成立,则判定从i到k再到j的路径比i直接到j的路径短,设置dis(i,j)=dis(i,k)+dis(k,j);其中,k≠i,j;
c)重复步骤b),直至遍历所有公交站点k,dis(i,j)即公交站点i到公交站点j的最少换乘次数;
其中,为公交站点i与公交站点j之间所有边的权值之和,n为转车次数,T为每次换乘时的平均等待时间,T为经验值。
与步骤3.1.4)不同的是,进行最小值比较时,比较的是两个站点间路径经过的带权值的边的和与转车数次乘以等待时间之和;
实施例2
如实施例1所述的基于北斗定位与客流量的公交换乘优化方法,进一步的,所述公交数据通过车载北斗卫星导航***收集;同一公交线路中两相邻公交站点间的实际距离通过车载北斗定位设备获取。
Claims (2)
1.一种基于北斗定位与客流量的公交换乘优化方法,其特征在于,包括步骤如下:
1)获取公交数据:
收集并记录公交数据;所述公交数据包括,公交线路图、公交站点名称、同一条公交线路中两相邻公交站点间的实际距离和公交刷卡次数;
2)数据预处理:
按公交车行进顺序依次对每条公交线路中的公交站点进行顺序编号;
计算同一对相邻公交站点间通过公交线路的数量;记两相邻公交站点i与公交站点j之间通过的不同公交线路数为Nij;
相邻公交站点i与公交站点j间的距离记为Lij;通过公交刷卡次数计算相邻公交站点i与公交站点j的总客流量Fij;
3)构建公交网络***的复杂网络;
换乘次数最少的公交乘车方案
3.1.1)在pajek中,采用依次列举复杂网络中所有边的方式进行数据录入,基本格式如下所示:
*Vertices N
*Edgeslist[i j c]
*Matrix
在上述数据结构中,N表示复杂网络中全部节点的数量,i和j分别表示与所述边对应的两个公交站点的编号,c表示权重,当公交站点i与公交站点j之间有公交线路时,c=0;当公交站点i与公交站点j之间无公交线路时c=1;
3.1.2)利用pajek读取公交网络***的net文件,利用P空间方法生成公交换乘网络的复杂网络图;以公交站点作为复杂网络中的节点;
3.1.3)根据复杂网络中各个节点间的连接关系,构造城市公交网络***的邻接矩阵;邻接矩阵中的元素aij为0或者1;1代表相应的行数与列数的站点间有公交线路;0代表相应的行数与列数的站点间没有公交线路;
3.1.4)根据邻接矩阵,利用Floyd算法计算任意两站点之间的最少换乘次数;具体步骤如下:
A)设Dis(i,j)为公交站点i到公交站点j的最少换乘次数;
B)对于每一个公交站点k,检查Dis(i,k)+Dis(k,j)<Dis(i,j)是否成立,如果成立,则判定从i到k再到j的路径比i直接到j的路径短,设置Dis(i,j)=Dis(i,k)+Dis(k,j);其中,k≠i,j;
C)重复步骤B),直至遍历所有公交站点k,Dis(i,j)即公交站点i到公交站点j的最少换乘次数;
用时最少的公交乘车方案
3.2.1)在pajek中,采用依次列举复杂网络中所有边的方式进行数据录入,基本格式如下所示:
*Vertices N
*Edgeslist[i j c]
*Matrix
3.2.2)利用pajek读取公交网络***的net文件,利用L空间方法生成公交站点网络的复杂网络图;以公交站点作为复杂网络中的节点;连边的权值
3.2.3)根据复杂网络中各个节点间的连接关系,构建城市公交网络的L空间邻接矩阵;邻接矩阵中的元素aij为0或者1;1代表相应的行数与列数的站点间有公交线路;0代表相应的行数与列数的站点间没有公交线路;
3.2.4)利用Floyd算法计算最省时间的公交乘车方案;具体步骤如下:
a)设dis(i,j)为公交站点i到公交站点j的最少换乘次数;
b)对于每一个公交站点k,检查dis(i,k)+dis(k,j)<dis(i,j)是否成立,如果成立,则判定从i到k再到j的路径比i直接到j的路径短,设置dis(i,j)=dis(i,k)+dis(k,j);其中,k≠i,j;
c)重复步骤b),直至遍历所有公交站点k,dis(i,j)即公交站点i到公交站点j的最少换乘次数;
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mi>i</mi>
</mrow>
<mi>j</mi>
</munderover>
<msub>
<mi>W</mi>
<mi>l</mi>
</msub>
<mo>+</mo>
<mi>n</mi>
<mo>&times;</mo>
<mi>T</mi>
</mrow>
其中,为公交站点i与公交站点j之间所有边的权值之和,n为转车次数,T为每次换乘时的平均等待时间,T为经验值。
2.根据权利要求1所述的基于北斗定位与客流量的公交换乘优化方法,其特征在于,所述公交数据通过车载北斗卫星导航***收集;同一公交线路中两相邻公交站点间的实际距离通过车载北斗定位设备获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711003324.0A CN107808217A (zh) | 2017-10-24 | 2017-10-24 | 一种基于北斗定位与客流量的公交换乘优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711003324.0A CN107808217A (zh) | 2017-10-24 | 2017-10-24 | 一种基于北斗定位与客流量的公交换乘优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107808217A true CN107808217A (zh) | 2018-03-16 |
Family
ID=61591700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711003324.0A Pending CN107808217A (zh) | 2017-10-24 | 2017-10-24 | 一种基于北斗定位与客流量的公交换乘优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107808217A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509659A (zh) * | 2018-05-22 | 2018-09-07 | 武汉轻工大学 | 乘车方案的推荐方法、装置、终端设备及可读存储介质 |
CN109299813A (zh) * | 2018-08-27 | 2019-02-01 | 华中科技大学 | 一种在最少换乘下的公共交通网络最短路径长度计算方法 |
CN110837919A (zh) * | 2019-10-22 | 2020-02-25 | 武汉元光科技有限公司 | 公交供给情况判定方法及装置 |
CN111191817A (zh) * | 2019-12-12 | 2020-05-22 | 华侨大学 | 一种基于换乘客流量的公交线网拓扑划分方法 |
CN112529292A (zh) * | 2020-12-11 | 2021-03-19 | 重庆邮电大学 | 一种基于改进Floyd算法的交通网络线路优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101114967A (zh) * | 2007-08-31 | 2008-01-30 | 安徽大学 | 一种复杂网络商空间模型的构建方法 |
CN101794509A (zh) * | 2010-03-25 | 2010-08-04 | 四川大学锦江学院 | 基于最优路径的城市智能交通信息*** |
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN102880641A (zh) * | 2012-08-20 | 2013-01-16 | 浙江工业大学 | 一种考虑近距离步行站点对的参数化公交换乘方法 |
-
2017
- 2017-10-24 CN CN201711003324.0A patent/CN107808217A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101114967A (zh) * | 2007-08-31 | 2008-01-30 | 安徽大学 | 一种复杂网络商空间模型的构建方法 |
CN101794509A (zh) * | 2010-03-25 | 2010-08-04 | 四川大学锦江学院 | 基于最优路径的城市智能交通信息*** |
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN102880641A (zh) * | 2012-08-20 | 2013-01-16 | 浙江工业大学 | 一种考虑近距离步行站点对的参数化公交换乘方法 |
Non-Patent Citations (2)
Title |
---|
李川: "基于复杂网络的城市公共交通网络连通性研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
蒋峰岭: "基于加权网络的公交网络换乘模型的优化及其性能的研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509659A (zh) * | 2018-05-22 | 2018-09-07 | 武汉轻工大学 | 乘车方案的推荐方法、装置、终端设备及可读存储介质 |
CN108509659B (zh) * | 2018-05-22 | 2020-10-23 | 武汉轻工大学 | 乘车方案的推荐方法、装置、终端设备及可读存储介质 |
CN109299813A (zh) * | 2018-08-27 | 2019-02-01 | 华中科技大学 | 一种在最少换乘下的公共交通网络最短路径长度计算方法 |
CN109299813B (zh) * | 2018-08-27 | 2021-11-02 | 华中科技大学 | 一种在最少换乘下的公共交通网络最短路径长度计算方法 |
CN110837919A (zh) * | 2019-10-22 | 2020-02-25 | 武汉元光科技有限公司 | 公交供给情况判定方法及装置 |
CN111191817A (zh) * | 2019-12-12 | 2020-05-22 | 华侨大学 | 一种基于换乘客流量的公交线网拓扑划分方法 |
CN111191817B (zh) * | 2019-12-12 | 2022-05-03 | 华侨大学 | 一种基于换乘客流量的公交线网拓扑划分方法 |
CN112529292A (zh) * | 2020-12-11 | 2021-03-19 | 重庆邮电大学 | 一种基于改进Floyd算法的交通网络线路优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107808217A (zh) | 一种基于北斗定位与客流量的公交换乘优化方法 | |
Li et al. | T-DesP: Destination prediction based on big trajectory data | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
US9459111B2 (en) | Methods and apparatus for estimating power usage | |
CN115062873B (zh) | 交通出行方式预测方法和装置、存储介质及电子设备 | |
CN108021686B (zh) | 一种快速匹配电子地图中公交线路与道路网络的方法 | |
CN110796337B (zh) | 一种评价城市公交站点服务可达性的*** | |
CN112185116B (zh) | 一种城市道路交通网络抗灾韧性能力评估方法 | |
CN107742169A (zh) | 一种基于复杂网络的城市公交网络***构建方法及性能评估方法 | |
CN111581315A (zh) | 一种公共服务设施可达性计算方法及装置 | |
CN111738484B (zh) | 一种公交站点选址的方法、装置及计算机可读存储介质 | |
Schweizer et al. | Map‐matching algorithm applied to bicycle global positioning system traces in Bologna | |
CN114548811B (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
CN112184282A (zh) | 影院选址模型建立方法、影院选址方法及影院选址平台 | |
CN105844031A (zh) | 一种基于手机定位数据的城市交通廊道识别方法 | |
CN113744558B (zh) | 基于mems传感器的车位级停车惯性导航***及导航方法 | |
Bhatt et al. | GIS and gravity model-based accessibility measure for Delhi metro | |
Vuurstaek et al. | GTFS bus stop mapping to the OSM network | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
CN112351394A (zh) | 一种基于手机信令数据的交通出行模型构建方法 | |
CN116823039A (zh) | 一种基于多源数据的微观地块尺度设施可达性测度方法 | |
CN112598338B (zh) | 路径选择模型的构建方法及客流分配方法 | |
CN104750929A (zh) | 结合网络点权的轨道交通服务效能的抗毁性测度方法 | |
CN105427581B (zh) | 基于浮动车数据的交通仿真方法及*** | |
CN115063175A (zh) | 店铺服务范围划定方法、***、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180316 |