CN109033102A - 城市客运交通信息资源整合平台数据仓库构建的方法 - Google Patents
城市客运交通信息资源整合平台数据仓库构建的方法 Download PDFInfo
- Publication number
- CN109033102A CN109033102A CN201710429315.1A CN201710429315A CN109033102A CN 109033102 A CN109033102 A CN 109033102A CN 201710429315 A CN201710429315 A CN 201710429315A CN 109033102 A CN109033102 A CN 109033102A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- traffic
- integration platform
- resource integration
- 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
- 230000010354 integration Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000013500 data storage Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000007418 data mining Methods 0.000 abstract description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种城市客运交通信息资源整合平台数据仓库构建的方法,包括步骤:一:根据客运交通信息的数据特征将数据分成三层:基础数据层、特征属性层和状态描述层;二:根据不同的主题,从不同的数据源提取数据,形成围绕同一主题的数据源的集合;三:维度设计,将用户对事实查询的结果按照维度指标进行筛选,只允许与维度指标相关的数据返回给用户;四:粒度设计,将数据的粒度定义为数据仓库定义的一部分;五:事实设计,事实是需要分析的数据和内容,并直接与模型中的维度相关;六:数据存储。本发明可以提高数据访问效率,高效共享推送,另一方面,便于数据挖掘分析,提炼有信息的价值。
Description
技术领域
本发明涉及一种城市客运交通信息资源整合平台数据仓库构建的方法,属于交通管理领域。
背景技术
随着以“数字公路”、“数字运管”、“数字公交”等为代表的行业信息化建设的开展,交通装备信息化的建设已在很多城市全面实施,由此产生了海量的多元客运交通数据与信息,如安装GPS的出租车及公交车,视频、线圈、微波等其他交通检测器、交通事件信息、交通管理数据,每时每刻都会产生大量的交通数据,感知城市交通的运行与发展的脉络。然而,传统的建设模式造成了“信息孤岛”现象:一方面各级管理部门的基础数据库缺乏信息,或没有实时更新的动态信息;另一方面大量的原始数据没有被充分利用,反而给硬件存储设施徒增压力。
信息资源整合的目标是为异构的多源数据提供集成、统一、一致的整体,由此形成数据仓库、分布式数据库、协作信息***等。传统的操作型环境则是面向应用、由需求驱动的。随着信息化技术的发展,海量信息的出现,在原有信息架构上难以满足新的需求,云计算技术的出现为新形势下信息共享建立完整架构方案提供了新的思路。本发明旨在构建一个由数据驱动的城市客运交通信息整合平台的数据仓库,完善对于城市海量交通信息的管理与挖掘,优化各部门现有交通信息***,提高各部门交通信息互通,有效的提高交通管理水平,提高城市居民出行效率。传统的数据仓库,由于提供的是固化的分类和固化的信息,因此数据访问效率低,无法进行多样性的数据挖掘分析,交通信息资源未被充分利用。
发明内容
本发明的目的在于提供一种城市客运交通信息资源整合平台数据仓库构建的方法,以解决上述问题。
本发明采用了如下技术方案:
一种城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于,包括如下步骤:
步骤一:将客运交通信息的数据分成三层:基础数据层、特征属性层和状态描述层;
步骤二:根据不同的主题,从不同的数据源提取数据,形成围绕同一主题的数据源的集合;
步骤三:维度设计,将用户对事实查询的结果按照维度指标进行筛选,只允许与维度指标相关的数据返回给用户;
步骤四:粒度设计,将数据的粒度定义为数据仓库定义的一部分;
步骤五:事实设计,事实与模型中的维度相关,供提取和分析;
步骤六:数据存储,为保证海量数据完整和安全性,本发明在***终端存储盒上传数据时采用Hbase物理备份技术。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征:基础数据层包括:定量信息,如流量、车速、各种信号配时参数、路网密度、停车泊位数等;定性信息,如交通拥挤程度和服务水平;存在性信息,如车辆、行人有无;多媒体信息,如交通语言、文字、图像和视频;不确定性信息,如交通需求、突发事件、环境变化等。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征:特征属性层是交通目标和交通现象的各类模式及其统计数据,其中,交通目标包括:行人和车辆,交通现象包括:交通流状态、事件和环境。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征:状态描述层是各种交通状态的描述模式及其统计数据,用于交通影响分析和预测。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征:步骤二中的主题包括:居民特征分析,统计居民的出行距离、出行热点区域以及出行时间。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征:步骤二中的主题包括:车辆特征分析,统计车辆的分布热点、速度分析以及时间分析。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征:维度信息包括:出租车元信息、出租车驾驶员、出租车状态信息、出租车位置信息、公交车元信息、公交车驾驶员以及公交车位置信息。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征:事实是需要分析的数据和内容,包括:电招业务量、实时车辆状态以及通行能力。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征,还包括:依据事实形成出租车信息表、出租车OD信息表以及出租车速度表的步骤。
进一步,本发明的城市客运交通信息资源整合平台数据仓库构建的方法,还可以具有这样的特征,还包括:在生成报表时,根据报表的时间段,自动对数据进行相应粒度的数据汇总的步骤。
发明的有益效果
本发明的城市客运交通信息资源整合平台数据仓库构建的方法,由于从城市客运交通信息资源的层次分级、主题确定、维度设计、粒度设计、事实设计和数据存储方面,描述数据仓库构建步骤。一方面可以提高数据访问效率,高效共享推送,另一方面,便于数据挖掘分析,提炼有价值的信息。
附图说明
图1是本发明的城市客运交通信息资源整合平台数据仓库构建的方法流程图;
图2是本发明的基本协调单元示意图。
具体实施方式
以下结合附图来说明本发明的具体实施方式。
如图1和图2所示,一种城市客运交通信息资源整合数据仓库构建方法,具体包括如下步骤:
步骤S1,根据数据特征将数据分层。城市客运交通信息具有多源性和异构性的特点。多源性指智能交通***ITS的信息种类繁多、来源广泛、分布分散,可以从主体要素、时间空间、参与层次、获取途径、状态类别等方面加以描述。异构性表现在:(a)信息的表现形式不同。定量信息,如流量、车速、各种信号配时参数;定性信息,如交通拥挤程度、服务水平;存在性信息,如车辆、行人有无;多媒体信息,如交通语言、文字、图像、视频等等。(b)信息的确定性不同。既有如停车泊位数、路网密度等确定性信息,也有交通需求、突发事件、环境变化等不确定性信息。(c)信息的标准格式不同。由于信息来自不同的应用***或平台,存在着接口标准不统一、粒度及存储格式各异的状况。
如图2所示,数据分层模块依据数据抽象的层次,将城市客运交通信息分成三级:参数级对应交通基础数据层、特征级对应特征属性层、决策级对应状态描述层。层级由低到高依次为基础数据层、特征属性层和状态描述层。基础数据层是从各类信息源获取的基本交通数据;特征属性层是交通目标和交通现象的各类模式及其统计数据,侧重于识别判断;状态描述层是各种交通状态的描述模式及其统计数据,侧重于交通影响分析和预测。基于参数的数据,包括公交GPS、公交IC卡、出租车GPS、公共自行车IC卡和轨道交通IC卡的数据,得到特征级的居民特征分析和车辆特征分析,居民特征分析包括出行热点、出行距离和出行时间;车辆特征分析包括分布热点、速度分析和时间分析。进一步,基于特征级的数据,得到决策级的报表,包括日报记录、周报记录、月报记录和可供选择的任意时段的记录。上述交通目标包括行人、车辆等,交通现象包括:交通流状态、事件、环境等。基础数据层是交通“刺激”,特征属性层和状态描述层则是“反应”,这实质上可以看作是一个数据挖掘或模式识别的过程,其中低层信息是上层加工和应用的基础。
步骤S2,主题确定,数据模型是面向主题建立的,同时又为多个面向应用的数据源的集成提供了统一的标准。考虑城市客运信息资源整合与共享模式的特点,分别以公交GPS数据、出租车GPS数据、IC卡数据以及业务与分析数据为主线,确定如下主题:居民特征分析、车辆特征分析。
居民特征分析,通过该主题的确定,可以统计居民的出行距离、出行热点区域以及出行时间等。
车辆特征分析,通过该主题的确定,可以统计车辆的分布热点、速度分析以及时间分析等。
步骤S3,维度设计,将用户对事实查询的结果按照维度指标进行筛选,只允许与维度指标相关的数据返回给用户。建立以下几个维度:出租车元信息、出租车驾驶员、出租车状态信息、出租车位置信息、公交车元信息、公交车驾驶员、公交车位置信息。出租车元信息包括出租车公司和车牌号。公交车元信息包括公交车公司和车牌号。本实施方式建立的维度如表1所示。
表1:维度信息
序号 | 维度 | 维度属性 |
1 | 出租车元信息 | 出租车公司、车牌号 |
2 | 出租车驾驶员 | 手机号码 |
3 | 出租车状态信息 | 出租车状态(空、重)、速度、转向角 |
4 | 出租车位置信息 | 经度、纬度 |
5 | 公交车元信息 | 公交车公司、车牌号 |
6 | 公交车驾驶员 | 工号 |
7 | 公交车位置信息 | 经度、纬度 |
步骤S4,粒度设计,在创建数据仓库时,将数据的粒度定义为数据仓库定义的一部分。粒度还可定义为数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高,粒度级别就越小;相反,细化程度越低,粒度级别就越大。报表生成要求包括:按24时段、日、月、季或年业务量的统计,动态交通信息的统计等。在数据仓库中定义粒度时,应考虑下列因素:
分析类型,计划在数据仓库中进行的分析类型直接影响数据仓库的粒度。例如:如果打算使用数据仓库对每天的信息进行分析,就不能将粒度的层次定义为周。如打算使用数据仓库对每天的信息进行分析,需将粒度的层次定义为天。如果定义的粒度层次过高,就不能在该数据仓库中进行更细致的操作。
可接受的集合的最低层次。数据仓库通常可在同一模式中采用多个层次的粒度。如当年的数据可采用天为粒度,而2-5年的数据可能以月或周为单位进行了汇总。这是以数据仓库中所需的最低集合级别为基础的。
存储的数据量,数据仓库可用的磁盘空间量,也会限制粒度的定义。但是,如果是基于硬件限制来设计数据仓库,就会在数据仓库中加入人为的限制,从而大大缩短了***的寿命。目前,磁盘的价格非常便宜,所以应尽可能根据信息需求定义粒度的层次。
数据仓库中的粒度,可以设置为可调大小的形式。根据不同主题的请求范围,粒度自行适应与请求范围相匹配。例如,当请求的范围是2年时,粒度可以设置为月,当收到细化的请求时,例如请求查看某年某月的数据,并进行信息统计时,数据的粒度自行调整为以天为单位。
步骤S5,事实设计,在星型模型中,事实表包含星的中心,是高度非规范化的。事实是需要分析的数据和内容,如电招业务量、实时车辆状态、通行能力等。事实通常是可相加的,或为半可相加的,并直接与模型中的维度相关。出租车信息表:该表包括出租车所属公司、出租车驾驶员手机号码、出租车车牌号、经度、纬度、GPS时间戳等13个字段。该表主要存放出租车的实时位置信息。
出租车OD信息表:该表包括出租车车牌号、起点时间戳、终点时间戳、起始点、终点等5个字段。该表主要存放出租车的OD信息。OD信息指起止点信息。
出租车速度表:该表包括出租车车牌号、GPS时间戳、速度等3个字段。该表主要存放出租车的OD信息。
步骤S6,数据存储,为保证海量数据完整和安全性,本发明在***终端存储盒上传数据时采用Hbase物理备份技术,努力保证每个字节的数据都要在各种故障面前是安全的,这样一旦主机存储出现了问题,应用可以迅速的切换至Hbase从机,减少应用宕机的时间;若主机的资料出现了逻辑错误,如改错了用户资料,在有限的时间内也可以从从机把正确的数据取回来;如果需要查找比较长时间前的历史备份,则需要配备磁带库。这样可以节省备份空间,提高备份和还原的速度。
本发明的有益效果在于:本发明的数据仓库构建方法,从城市客运交通信息资源的层次分级、主题确定、维度设计、粒度设计、事实设计和数据存储方面,描述数据仓库构建步骤。一方面可以提高数据访问效率,高效共享推送,另一方面,便于数据挖掘分析,提炼信息价值,也为数据“保鲜”提供数据保障。
Claims (10)
1.一种城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于,包括如下步骤:
步骤一:将客运交通信息的数据分成三层:基础数据层、特征属性层和状态描述层;
步骤二:根据不同的主题,从不同的数据源提取数据,形成围绕同一主题的数据源的集合;
步骤三:维度设计,将用户对事实查询的结果按照维度指标进行筛选,只允许与维度指标相关的数据返回给用户;
步骤四:粒度设计,将数据的粒度定义为数据仓库定义的一部分;
步骤五:事实设计,事实与模型中的维度相关,供提取和分析;
步骤六:数据存储,为保证海量数据完整和安全性,在***终端存储盒上传数据时采用Hbase物理备份技术。
2.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于:
基础数据层包括:
定量信息,例如流量、车速、信号配时参数、路网密度、停车泊位数;
定性信息,如交通拥挤程度和服务水平;
存在性信息,如车辆、行人有无;
多媒体信息,如交通语言、文字、图像和视频;
以及不确定性信息,如交通需求、突发事件、环境变化。
3.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于:
特征属性层包括交通目标和交通现象的模式及其统计数据,其中,交通目标包括:行人和车辆,交通现象包括:交通流状态、事件和环境。
4.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于:
状态描述层包括各种交通状态的描述模式及其统计数据,用于交通影响分析和预测。
5.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于:
步骤二中的主题包括:居民特征分析,统计居民的出行距离、出行热点区域以及出行时间。
6.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于:
步骤二中的主题包括:车辆特征分析,统计车辆的分布热点、速度分析以及时间分析。
7.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于:
维度信息包括:出租车元信息、出租车驾驶员、出租车状态信息、出租车位置信息、公交车元信息、公交车驾驶员以及公交车位置信息。
8.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于:
事实包括:电招业务量、实时车辆状态以及通行能力。
9.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于,还包括:
依据事实形成出租车信息表、出租车OD信息表以及出租车速度表的步骤。
10.如权利要求1所述的城市客运交通信息资源整合平台数据仓库构建的方法,其特征在于,还包括:
在生成报表时,根据报表的时间段,自动对数据进行相应粒度的数据汇总的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429315.1A CN109033102A (zh) | 2017-06-08 | 2017-06-08 | 城市客运交通信息资源整合平台数据仓库构建的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429315.1A CN109033102A (zh) | 2017-06-08 | 2017-06-08 | 城市客运交通信息资源整合平台数据仓库构建的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109033102A true CN109033102A (zh) | 2018-12-18 |
Family
ID=64629247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710429315.1A Pending CN109033102A (zh) | 2017-06-08 | 2017-06-08 | 城市客运交通信息资源整合平台数据仓库构建的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033102A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581186A (zh) * | 2020-05-12 | 2020-08-25 | 黄河水利委员会黄河水利科学研究院 | 黄河水沙变化数据仓库的构建方法及公共服务平台 |
CN113177049A (zh) * | 2021-05-13 | 2021-07-27 | 中移智行网络科技有限公司 | 一种数据处理方法、装置和*** |
CN114863684A (zh) * | 2022-06-07 | 2022-08-05 | 中国城市规划设计研究院 | 一种城市交通网络设施特征分析*** |
CN117763059A (zh) * | 2023-12-27 | 2024-03-26 | 江苏金融租赁股份有限公司 | 一种数据仓库和数据集市的模型构建方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901546A (zh) * | 2010-04-29 | 2010-12-01 | 上海迪爱斯通信设备有限公司 | 基于动态信息的智能交通调度指挥及信息服务方法及*** |
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集***及其处理方法 |
CN102054025A (zh) * | 2010-12-01 | 2011-05-11 | 北京中交通信科技有限公司 | 交通信息资源整合处理方法及*** |
CN102456174A (zh) * | 2010-10-26 | 2012-05-16 | 镇江精英软件科技有限公司 | 一个集中监管重点单位车辆信息的软件*** |
CN102750363A (zh) * | 2012-06-13 | 2012-10-24 | 天津市规划信息中心 | 一种城市地理信息数据仓库的构建方法 |
CN103280100A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 |
CN106529754A (zh) * | 2016-06-27 | 2017-03-22 | 江苏智通交通科技有限公司 | 基于大数据分析的出租车运营情况评估方法 |
-
2017
- 2017-06-08 CN CN201710429315.1A patent/CN109033102A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集***及其处理方法 |
CN101901546A (zh) * | 2010-04-29 | 2010-12-01 | 上海迪爱斯通信设备有限公司 | 基于动态信息的智能交通调度指挥及信息服务方法及*** |
CN102456174A (zh) * | 2010-10-26 | 2012-05-16 | 镇江精英软件科技有限公司 | 一个集中监管重点单位车辆信息的软件*** |
CN102054025A (zh) * | 2010-12-01 | 2011-05-11 | 北京中交通信科技有限公司 | 交通信息资源整合处理方法及*** |
CN102750363A (zh) * | 2012-06-13 | 2012-10-24 | 天津市规划信息中心 | 一种城市地理信息数据仓库的构建方法 |
CN103280100A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 |
CN106529754A (zh) * | 2016-06-27 | 2017-03-22 | 江苏智通交通科技有限公司 | 基于大数据分析的出租车运营情况评估方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581186A (zh) * | 2020-05-12 | 2020-08-25 | 黄河水利委员会黄河水利科学研究院 | 黄河水沙变化数据仓库的构建方法及公共服务平台 |
CN113177049A (zh) * | 2021-05-13 | 2021-07-27 | 中移智行网络科技有限公司 | 一种数据处理方法、装置和*** |
CN114863684A (zh) * | 2022-06-07 | 2022-08-05 | 中国城市规划设计研究院 | 一种城市交通网络设施特征分析*** |
CN117763059A (zh) * | 2023-12-27 | 2024-03-26 | 江苏金融租赁股份有限公司 | 一种数据仓库和数据集市的模型构建方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Analysis of commercial truck drivers’ potentially dangerous driving behaviors based on 11-month digital tachograph data and multilevel modeling approach | |
CN109033102A (zh) | 城市客运交通信息资源整合平台数据仓库构建的方法 | |
Huang et al. | A method for bus OD matrix estimation using multisource data | |
CN103294775A (zh) | 基于地理时空约束的警务云图像识别车辆管控*** | |
CN111160867A (zh) | 大范围地域停车场大数据分析*** | |
Li et al. | Identification of prior factors influencing the mode choice of short distance travel | |
Zhou et al. | Research on traffic situation analysis for urban road network through spatiotemporal data mining: a case study of Xi’an, China | |
CN114530038B (zh) | 一种基于时空数据聚类的出行兴趣区域提取方法及*** | |
Visan et al. | Towards intelligent public transport systems in Smart Cities; Collaborative decisions to be made | |
CN110647563A (zh) | 一种数据处理方法、装置及其设备 | |
Zou et al. | Estimation of travel time based on ensemble method with multi-modality perspective urban big data | |
Hasani et al. | Identifying High‐Risk Intersections for Walking and Bicycling Using Multiple Data Sources in the City of San Diego | |
Xia et al. | A parallel grid-search-based SVM optimization algorithm on Spark for passenger hotspot prediction | |
CN111190982A (zh) | 一种基于大数据的共享单车管理方法及*** | |
Guan et al. | A Big‐Data‐Driven Framework for Parking Demand Estimation in Urban Central Districts | |
Chen et al. | An analysis of movement patterns between zones using taxi GPS data | |
Chen et al. | Unraveling latent transfer patterns between metro and bus from large-scale smart card data | |
Tang et al. | Estimating hotspots using a Gaussian mixture model from large-scale taxi GPS trace data | |
Zhang et al. | A framework of abnormal behavior detection and classification based on big trajectory data for mobile networks | |
Yuan et al. | Taxi high-income region recommendation and spatial correlation analysis | |
Zhou et al. | Identification of taxi pick-up and drop-off hotspots using the density-based spatial clustering method | |
Noh et al. | SafetyCube: Framework for potential pedestrian risk analysis using multi-dimensional OLAP | |
CN114238491B (zh) | 一种基于异质图的多模式交通运行态势关联规则挖掘方法 | |
CN111833229B (zh) | 一种基于地铁依赖度的出行行为时空分析方法及装置 | |
CN102842101A (zh) | 一种交通违法数据的处理方法和*** |
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: 20181218 |