CN108305459A - 一种基于数据驱动的路网运行指数预测方法 - Google Patents
一种基于数据驱动的路网运行指数预测方法 Download PDFInfo
- Publication number
- CN108305459A CN108305459A CN201810109542.0A CN201810109542A CN108305459A CN 108305459 A CN108305459 A CN 108305459A CN 201810109542 A CN201810109542 A CN 201810109542A CN 108305459 A CN108305459 A CN 108305459A
- Authority
- CN
- China
- Prior art keywords
- index
- road network
- day
- prediction
- congestion
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于数据驱动的路网运行指数预测方法,包括:确定预测对象所属事件类型;确定需要预测的路网范围和时间范围,并根据事件类型将时间范围按照特征日分类;采集该预测的路网范围内的历史数据,提取相同事件类型的历史交通数据,并计算每个特征日的路网运行指数;对路网运行指数进行修正,确定修正系数和预测运行指数。本发明提供的预测方法能够为节假日和重大活动期间的路网流量指数和拥堵指数进行预测,为交通管理部门进行交通保障提供决策依据,同时能够为出行者合理安排出行提供参考,为提高路网运行效率、缓解拥堵提供技术支持。
Description
技术领域
本发明涉及路网预测技术领域。更具体地,涉及一种基于数据驱动的路 网运行指数预测方法。
背景技术
道路网络是重要的交通运载通道,直接影响了沿线产业结构和人们的生 活水平,刺激经济的快速增长,对现代社会的发展有着非常重要的意义。随 着国民经济的快速发展,节假日期间外出旅游的需求越来越旺盛,对路网的 服务需求也在不断增加,特别是国家在清明节、五一劳动节、十一国庆节、 春节等法定假期内,对七座及以下小型客车免费通行,刺激消费的同时也导 致了路网的拥堵,高速公路拥堵时间急剧增加,降低了出行舒适度,同时增 加了出行成本和交通安全隐患。交通管理部门为了合理制定有效地控制与管理措施,需要全面掌握路网的交通运行态势。出行者为了避免假期被堵在路 上,需要提前了解假期交通拥堵情况,合理安排出行,错峰出行,或选择绕 行路径,避开拥堵路段。
发明内容
有鉴于此,本发明采用下述技术方案:
本发明一个方面提供一种基于数据驱动的路网运行指数预测方法,包括:
确定预测对象所属事件类型;
确定需要预测的路网范围和时间范围,并根据事件类型将时间范围按照 特征日分类;
采集该预测的路网范围内的历史数据,提取相同事件类型的历史交通数 据,并计算每个特征日的路网运行指数;
对路网运行指数进行修正,确定修正系数和预测运行指数。
优选地,所述路网运行指数包括:
流量指数和拥堵指数。
优选地,所述流量指数的计算公式为:
其中,qa,w,t表示路网范围A在特征日w时间段t内的流量,γa,w,t表示路网 范围a在特征日w时间段t内的流量指数,W0表示参与计算的正常工作日集合, m0表示参与计算的正常工作日天数,表示特征日为正常工作日。
优选地,所述拥堵指数的计算公式为:
其中,li表示路段i的长度,βi,w,t表示路段i在特征日w分析时间段t内的累 计拥堵时长,Ia,w,t表示在分析时段t内分析范围a的拥堵指数。
优选地,所述确定修正系数和预测运行指数的方法为:
根据历史数据中与预测时段相似的交通管制措施和天气条件下,路网运 行状态受影响程度,确定流量指数修正系数θa,w,t和拥堵指数修正系数ρa,w,t, 其中,a∈A,w∈W,t∈T;
计算修正后的流量指数和拥堵指数,计算值为预测运行指数;
其中,修正后的流量指数和拥堵指数计算公式如下:
其中,和表示修正后的流量指数和拥堵指数。
优选地,所述事件类型包括常规情况、节假日以及重大活动;
当所述事件类型为常规情况时,所述特征日为周一至周日;
当所述事件类型为节假日时,所述特征日为法定节假日;
当所述事件类型为重大活动时,所述特征日根据常规情况的特征日结合 交通管制措施和天气预报对交通的影响进行修正。
本发明的有益效果如下:
本发明提出的基于数据驱动的路网运行指数预测方法,能够为节假日(包 括春节、清明、五一、端午、中秋、国庆等)和重大活动期间的路网流量指 数和拥堵指数进行预测,为交通管理部门进行交通保障提供决策依据,同时 能够为出行者合理安排出行提供参考,为提高路网运行效率、缓解拥堵提供 技术支持。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明一个实施例提供的一种基于数据驱动的路网运行指数预 测方法流程示意图。
图2示出本发明一个实施例提供的常规情况下特征日划分方法及路网运 行指数预测方法示意图。
图3示出本发明一个实施例提供的常规情况下路网运行指数预测流程示 意图。
图4示出本发明一个实施例提供的节假日特征点设置方法及路网运行指 数预测方法示意图。
图5示出本发明一个实施例提供的五一假期特征点设置方法及路网运行 指数预测方法示意图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一 步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员 应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制 本发明的保护范围。
本发明一个方面提供一种基于数据驱动的路网运行指数预测方法,如图1 所示,包括:
确定预测对象所属事件类型;
确定需要预测的路网范围和时间范围,并根据事件类型将时间范围按照 特征日分类;
采集该预测的路网范围内的历史数据,提取相同事件类型的历史交通数 据,并计算每个特征日的路网运行指数;
对路网运行指数进行修正,确定修正系数和预测运行指数。
本发明提出的基于数据驱动的路网运行指数预测方法,能够为节假日(包 括春节、清明、五一、端午、中秋、国庆等)和重大活动期间的路网流量指 数和拥堵指数进行预测,为交通管理部门进行交通保障提供决策依据,同时 能够为出行者合理安排出行提供参考,为提高路网运行效率、缓解拥堵提供 技术支持。
优选地,所述路网运行指数包括:
流量指数和拥堵指数。
优选地,所述流量指数的计算公式为:
其中,qa,w,t表示路网范围A在特征日w时间段t内的流量,γa,w,t表示路网 范围a在特征日w时间段t内的流量指数,W0表示参与计算的正常工作日集合, m0表示参与计算的正常工作日天数,表示特征日为正常工作日。
优选地,所述拥堵指数的计算公式为:
其中,li表示路段i的长度,βi,w,t表示路段i在特征日w分析时间段t内的累 计拥堵时长,Ia,w,t表示在分析时段t内分析范围a的拥堵指数。
优选地,所述确定修正系数和预测运行指数的方法为:
根据历史数据中与预测时段相似的交通管制措施和天气条件下,路网运 行状态受影响程度,确定流量指数修正系数θa,w,t和拥堵指数修正系数ρa,w,t, 其中,a∈A,w∈W,t∈T;
计算修正后的流量指数和拥堵指数,计算值为预测运行指数;
其中,修正后的流量指数和拥堵指数计算公式如下:
其中,和表示修正后的流量指数和拥堵指数。
优选地,所述事件类型包括常规情况、节假日以及重大活动;
当所述事件类型为常规情况时,所述特征日为周一至周日;
当所述事件类型为节假日时,所述特征日为法定节假日;
当所述事件类型为重大活动时,所述特征日根据常规情况的特征日结合 交通管制措施和天气预报对交通的影响进行修正。
下面针对事件类型进行分别详述。
首先以事件类型为常规情况为例,常规情况是指非法定节假日、非重大 活动等正常情况。通过历史数据分析发现,常规情况下,路网的运行指数具 有星期的周期变化特征,根据周期变化特征对常规情况下的路网运行指数进 行预测。
第一步,确定需要预测的路网范围和时间范围。
第二步,按照周一、周二、周三、周四、周五、周六、周日将数据进行 分类,用W1表示正常情况下的特征日集合,则
W1={周一,周二,周三,周四,周五,周六,周日}
第三步,通过历史数据,计算路网内每个特征日的历史运行指数,包括 流量指数和拥堵指数。
每个特征日的流量指数γa,w,t计算公式如下:
每个特征日的拥堵指数Ia,w,t计算公式如下:
第四步,根据预测时间段内交通管制措施和天气预报,确定流量指数修 正系数θa,w,t和拥堵指数修正系数ρa,w,t。
第五步,对每个特征日的路网运行指数进行修正,得到流量指数和拥堵 指数的预测值。常规情况下的流量指数和拥堵指数预测值计算公式如下:
常规情况下,特征日划分方法及路网运行指数预测方法示意图如图2所示, 常规情况下路网运行指数预测流程如图3所示。
请结合图4-5所示,下面详述基于数据驱动的节假日路网运行指数预测方 法,由于法定节假日每年都固定存在,因此,可以根据历史数据预测未来的 节假日路网运行指数。对于天数正常的节假日(国庆和春节7天,其他节假日 3天),历年的变化趋势基本一致,因此可以根据节假日路网的历史运行指数 预测未来的路网运行指数。但是对于天数增加或减少的特殊情况,例如,正 常的国庆是7天假期,而2017年国庆和中秋连在一起,共8天假期,无法直接 利用历史的运行指数按照日期一对一的方法预测。
通过数据分析发现,传统节假日,包括清明、五一、端午、中秋、元旦、 国庆、春节,在节假日前中后不同时期具有明显的出程高峰和返程高峰等规 律特征。
第一步,确定需要预测的路网范围和时间范围,并提取预测的路网范围 和历史同期时间范围内的数据。
第二步,按照出程高峰和返程高峰,将节假日划分为节前工作日、节假 日前期(出程高峰)、节假日中期、节假日后期(返程高峰)、节后工作日。
第三步,同一个分段内,按照下面的规则设置特征点,并按照特征点对 时间分段:
节前工作日(W21):节前的最后一个工作日作为第一个特征点;
节假日前期(出程高峰)(W22):节假日前期(出程高峰)的第一天作 为第二个特征点;
节假日中期(W23):节假日中期的第一天作为第三个特征点;
节假日后期(返程高峰)(W24):节假日后期(返程高峰)的第一天作 为第四个特征点;
节后工作日(W25):节后的第一个工作日作为第五个特征点。
第四步,按照上述五个特征点,将预测日期与历史日期进行关联。对于 每个分段中增加的日期,利用相邻日期的交通运行指数进行填补。将五个分 段进行组合,得到节假日的基本运行指数。
节假日期间,流量指数计算公式如下:
节假日期间,拥堵指数计算公式如下:
第五步,结合天气、未来节假日具备的新特征对基本的运行指数做适当 的修正,得到路网运行指数的预测结果。
根据预测时段的天气预报和交通管制措施等影响因素,确定流量修正系 数θa,w,t和拥堵修正系数ρa,w,t,其中,a∈A,w∈W2,t∈T。修正后的流量和拥 堵指数计算公式如下:
以五一为例,对于五一假期,2015年、2016年以及2017年都是3天假 期,根据2015年和2016年五一假期的路网运行指数,预测2017年的五一假 期路网运行指数。按照出程高峰和返程高峰将数据分为五段。由于2015年到 2017年的五一假期都是三天,天数没有增减,因此数据分段一致:节前一天 工作日,对齐;节假日第一天是节假日前期(出程高峰),对齐;节假日第二 天是节假日中期,对齐;节假日第三天是假节日后期(返程高峰),对齐;节 后第一个工作日,对齐。五一假期特征点设置方法及路网运行指数预测方法 示意图如图5所示。
对于有计划的重大活动,交通管制措施已经提前制定,因此可以在正常 周一到周日特征日的运行指数基础上,结合交通管制措施和天气预报对交通 的影响进行修正,得到重大活动保障期间路网运行指数的预测结果。具体步 骤如下:
第一步,用W3表示重大活动时间范围,则
W3={…,周一,周二,周三,周四,周五,周六,周日,…}。
第二步,利用历史数据,计算重大活动保障的路网范围和时间范围的基 本交通运行指数,包括流量指数和拥堵指数。
重大活动保障期间流量指数计算公式如下:
重大活动保障期间拥堵指数计算公式如下:
第三步,根据交通管制和天气影响的路网范围和时间范围,分析历史相 同交通管制水平和天气条件下的流量指数修正系数θa,w,t和拥堵指数修正系数 ρa,w,t,其中,a∈A,w∈W3,t∈T。
第四步,计算重大活动保障期间的交通运行指数预测值。流量指数预测 值和拥堵指数预测值计算公式如下:
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而 并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在 上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有 的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变 化或变动仍处于本发明的保护范围之列。
Claims (6)
1.一种基于数据驱动的路网运行指数预测方法,其特征在于,包括:
确定预测对象所属事件类型;
确定需要预测的路网范围和时间范围,并根据事件类型将时间范围按照特征日分类;
采集该预测的路网范围内的历史数据,提取相同事件类型的历史交通数据,并计算每个特征日的路网运行指数;
对路网运行指数进行修正,确定修正系数和预测运行指数。
2.根据权利要求1所述方法,其特征在于,所述路网运行指数包括:
流量指数和拥堵指数。
3.根据权利要求2所述方法,其特征在于,所述流量指数的计算公式为:
其中,qa,w,t表示路网范围A在特征日w时间段t内的流量,γa,w,t表示路网范围a在特征日w时间段t内的流量指数,W0表示参与计算的正常工作日集合,m0表示参与计算的正常工作日天数,表示特征日为正常工作日。
4.根据权利要求2所述方法,其特征在于,所述拥堵指数的计算公式为:
其中,li表示路段i的长度,βi,w,t表示路段i在特征日w分析时间段t内的累计拥堵时长,Ia,w,t表示在分析时段t内分析范围a的拥堵指数。
5.根据权利要求1所述方法,其特征在于,所述确定修正系数和预测运行指数的方法为:
根据历史数据中与预测时段相似的交通管制措施和天气条件下,路网运行状态受影响程度,确定流量指数修正系数θa,w,t和拥堵指数修正系数ρa,w,t,其中,a∈A,w∈W,t∈T;
计算修正后的流量指数和拥堵指数,计算值为预测运行指数;
其中,修正后的流量指数和拥堵指数计算公式如下:
其中,和表示修正后的流量指数和拥堵指数。
6.根据权利要求1所述方法,其特征在于,所述事件类型包括常规情况、节假日以及重大活动;
当所述事件类型为常规情况时,所述特征日为周一至周日;
当所述事件类型为节假日时,所述特征日为法定节假日;
当所述事件类型为重大活动时,所述特征日根据常规情况的特征日结合交通管制措施和天气预报对交通的影响进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810109542.0A CN108305459B (zh) | 2018-02-05 | 2018-02-05 | 一种基于数据驱动的路网运行指数预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810109542.0A CN108305459B (zh) | 2018-02-05 | 2018-02-05 | 一种基于数据驱动的路网运行指数预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108305459A true CN108305459A (zh) | 2018-07-20 |
CN108305459B CN108305459B (zh) | 2021-02-02 |
Family
ID=62864328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810109542.0A Active CN108305459B (zh) | 2018-02-05 | 2018-02-05 | 一种基于数据驱动的路网运行指数预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108305459B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877225A (zh) * | 2018-08-24 | 2018-11-23 | 交通运输部规划研究院 | 交通流量指数确定方法及装置 |
CN111445694A (zh) * | 2020-03-04 | 2020-07-24 | 青岛海信网络科技股份有限公司 | 一种基于交通流量预测的节假日交通调度方法及装置 |
CN113420835A (zh) * | 2021-07-21 | 2021-09-21 | 中睿信数字技术有限公司 | 一种基于cpso-lstm的短期交通拥堵指数预测方法 |
CN115359657A (zh) * | 2022-08-16 | 2022-11-18 | 青岛海信网络科技股份有限公司 | 一种交通管理方法、装置、设备及介质 |
CN116415123A (zh) * | 2023-03-07 | 2023-07-11 | 清华大学 | 小区用水总流量数据分析方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488284A (zh) * | 2008-01-16 | 2009-07-22 | 闵万里 | 道路交通状况即时预测的智能管理*** |
US20130110386A1 (en) * | 2011-10-28 | 2013-05-02 | Thinkware Systems Corporation | Method and apparatus for providing analysis index of roadway section based on road and traffic conditions |
CN103177570A (zh) * | 2012-12-25 | 2013-06-26 | 北京交通发展研究中心 | 一种早晚高峰交通拥堵指数的预测方法 |
CN105427002A (zh) * | 2015-12-29 | 2016-03-23 | 上海仪电物联技术股份有限公司 | 一种基于Logistic模型的客流预测方法 |
CN106548625A (zh) * | 2016-12-07 | 2017-03-29 | 山东易构软件技术股份有限公司 | 一种城市道路交通状况组合预测方法 |
CN106600959A (zh) * | 2016-12-13 | 2017-04-26 | 广州市公共交通数据管理中心 | 一种交通拥堵指数的预测方法 |
CN106779196A (zh) * | 2016-12-05 | 2017-05-31 | 中国航天***工程有限公司 | 一种基于旅游大数据的游客流量预测及峰值调控方法 |
CN107610469A (zh) * | 2017-10-13 | 2018-01-19 | 北京工业大学 | 一种考虑多因素影响的日维度区域交通指数预测方法 |
-
2018
- 2018-02-05 CN CN201810109542.0A patent/CN108305459B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488284A (zh) * | 2008-01-16 | 2009-07-22 | 闵万里 | 道路交通状况即时预测的智能管理*** |
US20130110386A1 (en) * | 2011-10-28 | 2013-05-02 | Thinkware Systems Corporation | Method and apparatus for providing analysis index of roadway section based on road and traffic conditions |
CN103177570A (zh) * | 2012-12-25 | 2013-06-26 | 北京交通发展研究中心 | 一种早晚高峰交通拥堵指数的预测方法 |
CN105427002A (zh) * | 2015-12-29 | 2016-03-23 | 上海仪电物联技术股份有限公司 | 一种基于Logistic模型的客流预测方法 |
CN106779196A (zh) * | 2016-12-05 | 2017-05-31 | 中国航天***工程有限公司 | 一种基于旅游大数据的游客流量预测及峰值调控方法 |
CN106548625A (zh) * | 2016-12-07 | 2017-03-29 | 山东易构软件技术股份有限公司 | 一种城市道路交通状况组合预测方法 |
CN106600959A (zh) * | 2016-12-13 | 2017-04-26 | 广州市公共交通数据管理中心 | 一种交通拥堵指数的预测方法 |
CN107610469A (zh) * | 2017-10-13 | 2018-01-19 | 北京工业大学 | 一种考虑多因素影响的日维度区域交通指数预测方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877225A (zh) * | 2018-08-24 | 2018-11-23 | 交通运输部规划研究院 | 交通流量指数确定方法及装置 |
CN108877225B (zh) * | 2018-08-24 | 2021-09-28 | 交通运输部规划研究院 | 交通流量指数确定方法及装置 |
CN111445694A (zh) * | 2020-03-04 | 2020-07-24 | 青岛海信网络科技股份有限公司 | 一种基于交通流量预测的节假日交通调度方法及装置 |
CN111445694B (zh) * | 2020-03-04 | 2022-02-01 | 青岛海信网络科技股份有限公司 | 一种基于交通流量预测的节假日交通调度方法及装置 |
CN113420835A (zh) * | 2021-07-21 | 2021-09-21 | 中睿信数字技术有限公司 | 一种基于cpso-lstm的短期交通拥堵指数预测方法 |
CN115359657A (zh) * | 2022-08-16 | 2022-11-18 | 青岛海信网络科技股份有限公司 | 一种交通管理方法、装置、设备及介质 |
CN115359657B (zh) * | 2022-08-16 | 2023-10-13 | 青岛海信网络科技股份有限公司 | 一种交通管理方法、装置、设备及介质 |
CN116415123A (zh) * | 2023-03-07 | 2023-07-11 | 清华大学 | 小区用水总流量数据分析方法及*** |
CN116415123B (zh) * | 2023-03-07 | 2023-09-19 | 清华大学 | 小区用水总流量数据分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108305459B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108305459A (zh) | 一种基于数据驱动的路网运行指数预测方法 | |
Bie et al. | Time of day intervals partition for bus schedule using GPS data | |
CN103473620B (zh) | 综合客运枢纽多交通方式预测方法及*** | |
CN108009650A (zh) | 网约车服务请求处理方法、装置和服务器 | |
CN111353639A (zh) | 协调列车时刻表的城市轨道交通高峰期限流优化方法 | |
CN103956050B (zh) | 基于车辆行程数据的道路网运行评价方法 | |
CN109886491A (zh) | 一种海量运行数据驱动的地面公交两阶段优化调度方法 | |
Ater | Internalization of congestion at US hub airports | |
CN104077915B (zh) | 乘车趋势预测装置及其方法 | |
Ishaq et al. | Designing bus rapid transit systems: Lessons on service reliability and operations | |
CN112990610B (zh) | 一种基于多元线性回归预测火车站出租车运力需求的方法 | |
CN104183119A (zh) | 基于路段od反推的实时交通流分布预测*** | |
Zheng et al. | Modeling of evacuation and background traffic for optimal zone-based vehicle evacuation strategy | |
CN114037158A (zh) | 一种基于od路径的客流预测方法及应用方法 | |
CN112017429B (zh) | 一种基于货车gps数据的治超监测布点方法 | |
CN115409295B (zh) | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 | |
CN112150802B (zh) | 基于地面公交运行状态可靠性的城市道路等级划分方法 | |
Agarwal et al. | Labor Supply Decisions of Singaporean Cab Drivers | |
Rebollo et al. | A recursive multi-step machine learning approach for airport configuration prediction | |
Liu et al. | Understanding urban bus travel time: Statistical analysis and a deep learning prediction | |
Levinson et al. | Ramp meters on trial: evidence from the Twin Cities ramp meters shut-off | |
CN111367900B (zh) | 基于afc数据的城市轨道交通网络常态限流强度的计算方法 | |
Medina et al. | Effects of metered entry volume on an oversaturated network with dynamic signal timing | |
Nyaki et al. | Travel time reliability of bus operation in heterogeneous traffic conditions of Dar es Salaam City, Tanzania | |
GAJERA et al. | Evaluating Operational Performance of City Bus Transit Service using TCQSM Guidelines: A Case Study of Surat City |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180720 Assignee: BEIJING PALMGO INFORMATION TECHNOLOGY Co.,Ltd. Assignor: Beijing Jiaotong University Contract record no.: X2020990000594 Denomination of invention: A data driven road network operation index prediction method License type: Common License Record date: 20201113 |
|
EE01 | Entry into force of recordation of patent licensing contract | ||
GR01 | Patent grant | ||
GR01 | Patent grant |