CN112351394A - 一种基于手机信令数据的交通出行模型构建方法 - Google Patents
一种基于手机信令数据的交通出行模型构建方法 Download PDFInfo
- Publication number
- CN112351394A CN112351394A CN202011211334.5A CN202011211334A CN112351394A CN 112351394 A CN112351394 A CN 112351394A CN 202011211334 A CN202011211334 A CN 202011211334A CN 112351394 A CN112351394 A CN 112351394A
- Authority
- CN
- China
- Prior art keywords
- trip
- travel
- mobile phone
- traffic
- model
- 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
- 230000011664 signaling Effects 0.000 title claims abstract description 43
- 238000010276 construction Methods 0.000 title claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004891 communication Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 abstract description 5
- 238000011835 investigation Methods 0.000 description 15
- 238000011160 research Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于手机信令数据的交通出行模型构建方法,涉及交通模型技术领域,包括以下步骤:预先获取手机信令数据并进行对手机信令数据提取,获取出行个体的特征信息,进行出行模式判定,获取出行距离和出行速度进行判定个体出行的出行方式,通过出行距离与出行速度判定选择的出行方式modeij并获取活动类型作为输入信息,建立目标区域的动态交通出行模型作为预测模型。本发明实现通过数据挖掘,能够降低交通模型数据获取的成本,其机信令数据实时更新的,极大的提高了模型的及时性和准确度,另外构建的交通模型具有更广的使用性,不仅能够对对未来的交通出行进行预测,而且能够对交通政策的实施效果进行预先模拟,应用范围广。
Description
技术领域
本发明涉及交通模型技术领域,具体来说,涉及一种基于手机信令数据的交通出行模型构建方法。
背景技术
交通预测模型是指交通现象各要素之间以及交通现象与社会经济活动各因素之间相互关系的定量描述。用于交通分析和交通预测,是交通规划重要技术方法之一。其表达形式可以是一个或一组数学表达式、图表、或一组数学处理程序。由大量的调查统计数据,通过数理统计等数学方法建立。通常有输人端和输出端。输入端为已知因素,即自变量;输出端为拟推算或拟预测的交通现象,即应变量。正确的交通模型应能重现交通现象,即输人已知的相关因素,可在一定精度范围内得出和实际交通现象相符的交通数据。常用的交通模型有交通需求模型、交通流模型等。模型的建立通常经过模型形式生成、模型参数标定和模型验证等步骤。由于模型反映的是交通现象的历史和现状规律,因此随着情况的变化,应不断用新的调査数据对模型进行新的验证和修正。
当前,构建交通模型的数据通常来源于有组织的人工调查,采用人工调查的方式获取居民出行数据,具有以下几点劣势:
1、人工调查费时费力,调查开始前需要精心设计调查内容,并对调查人员进行集中培训。2、从出行调查到数据整理满足模型构建,通常周期长,导致数据时效性不足,调查不可能短期内多次进行。3、调查后期需要对数据进行整理加工,剔除不合格数据,该阶段工作量巨大,统计结果难免人为差错。4、受调查成本的制约,抽样率通常较低,样本数量少,容易产生统计偏差。5、调查人员工作量大,调查成本高,调查的地域范围有限。
检索中国发明专利CN107103753 A公开了一种交通时间预测***、交通时间预测方法以及交通模型建立方法。交通时间预测***用以预测一行车路线所需的行车时间,包含模型建构模块、模型选择模块以及预测模块。模型建构模块用以建立多笔候选预测模型。候选预测模型每一者分别对应于多个路段中的一者以及多个相异的数学模型的一者。模型选择模块用以自该行车路线中各个路段相符的候选预测模型中选择对应于路段的预测模型。预测模块用以根据行车路线中各个路段的预测模型预测各个路段的预测车速以计算行车时间估计值。模型选择模块选择路段所对应的候选预测模型中预测误差值较小的一者作为路段的预测模型。由于每一路段所选用的预测模型皆为准确度高的预测模型,因此可有效提高准确度。但其调查成本高,调查的地域范围有限,周期长,导致数据时效性不足,调查不可能短期内多次进行。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于手机信令数据的交通出行模型构建方法,以克服现有相关技术所存在的上述技术问题。
本发明的技术方案是这样实现的:
一种基于手机信令数据的交通出行模型构建方法,包括以下步骤:
步骤S1、预先获取手机信令数据并进行对手机信令数据提取,获取出行个体的特征信息,其中包括经过点信息和停留点信息;
步骤S2、进行出行模式判定,获取出行距离和出行速度进行判定个体出行的出行方式,其中包括获取个体出行速度Vij,表示为:
Vij=Dtravel*ρ/Ttravel,ρ为路网非直线系数;
步骤S3、通过出行距离与出行速度判定选择的出行方式modeij;
步骤S4、获取活动类型,包括基于停留点信息确定活动地点的空间属性;
步骤S5、将获取的活动类型和出行方式modeij作为输入信息,建立目标区域的动态交通出行模型作为预测模型。
进一步的,预先获取手机信令数据,包括以下步骤:
对手机信令大数据进行分割处理,包括将原始数据按照ID值进行排序后,分割为每个数据文件包含100万条通信信息的数据包;
对获取的数据包信息进行数据清洗。
进一步的,还包括以下步骤:
获取出行时间Ttravel,第一个出行点信息的时间Tenter和离开最后一个出行点信息的时间Tleave之间的时间差,表示为:
Ttravel=Tleave-Tenter。
进一步的,还包括以下步骤:
通过停留点信息的空间坐标值(Xi,Yi),确定相邻两个停留点之间的空间距离,即可获取个体的空间出行Dtravel,表示为:
本发明的有益效果:
本发明基于手机信令数据的交通出行模型构建方法,通过预先获取手机信令数据并进行对手机信令数据提取,获取出行个体的特征信息,进行出行模式判定,获取出行距离和出行速度进行判定个体出行的出行方式,通过出行距离与出行速度判定选择的出行方式modeij并获取活动类型作为输入信息,建立目标区域的动态交通出行模型作为预测模型,实现通过数据挖掘,能够降低交通模型数据获取的成本,大大缩短构建模型的时间,其机信令数据实时更新的,极大的提高了模型的及时性和准确度,可以随时对交通模型进行更新,另外构建的交通模型具有更广的使用性,不仅能够对对未来的交通出行进行预测,而且能够对交通政策的实施效果进行预先模拟,应用范围广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于手机信令数据的交通出行模型构建方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种基于手机信令数据的交通出行模型构建方法。
如图1所示,根据本发明实施例的基于手机信令数据的交通出行模型构建方法,包括以下步骤:
步骤S1、预先获取手机信令数据并进行对手机信令数据提取,获取出行个体的特征信息,其中包括经过点信息和停留点信息;
步骤S2、进行出行模式判定,获取出行距离和出行速度进行判定个体出行的出行方式,其中包括获取个体出行速度Vij,表示为:
Vij=Dtravel*ρ/Ttravel,ρ为路网非直线系数;
步骤S3、通过出行距离与出行速度判定选择的出行方式modeij;
步骤S4、获取活动类型,包括基于停留点信息确定活动地点的空间属性;
步骤S5、将获取的活动类型和出行方式modeij作为输入信息,建立目标区域的动态交通出行模型作为预测模型。
另外,预先获取手机信令数据,包括以下步骤:
对手机信令大数据进行分割处理,包括将原始数据按照ID值进行排序后,分割为每个数据文件包含100万条通信信息的数据包;
对获取的数据包信息进行数据清洗。
另外,还包括以下步骤:
获取出行时间Ttravel,第一个出行点信息的时间Tenter和离开最后一个出行点信息的时间Tleave之间的时间差,表示为:
Ttravel=Tleave-Tenter。
另外,还包括以下步骤:
通过停留点信息的空间坐标值(Xi,Yi),确定相邻两个停留点之间的空间距离,即可获取个体的空间出行Dtravel,表示为:
借助于上述技术方案,基于手机信令数据的交通出行模型构建方法,通过预先获取手机信令数据并进行对手机信令数据提取,获取出行个体的特征信息,进行出行模式判定,获取出行距离和出行速度进行判定个体出行的出行方式,通过出行距离与出行速度判定选择的出行方式modeij并获取活动类型作为输入信息,建立目标区域的动态交通出行模型作为预测模型,实现通过数据挖掘,能够降低交通模型数据获取的成本,大大缩短构建模型的时间,其机信令数据实时更新的,极大的提高了模型的及时性和准确度,可以随时对交通模型进行更新,另外构建的交通模型具有更广的使用性,不仅能够对对未来的交通出行进行预测,而且能够对交通政策的实施效果进行预先模拟,应用范围广。
另外,具体的,在一个实施例中,包括如下:
步骤一:对手机信令大数据进行分割处理。从通信运营商获取的脱敏手机信令数据,数据量较大,通常都在十几个GB级,随着研究区域的扩大和数据收集时间的增加有时会达到TB级,这么庞大的数据量,必须首先进行分割处理,本发明将原始数据按照ID值进行排序后,分割为每个数据文件包含100万条通信信息的数据包。
步骤二:对数据进行清洗。原始的手机信令数据通常包含较多的干扰数据,这些数据通常是在通信信号不佳的情况下产生的,这其中包括信号漂移、乒乓切换、信号不连续。
步骤三:数据挖掘。在剔除偏误数据的基础上,通过聚类分析,确定每一个出行个体的“经过点”和“停留点”。
“经过点”就是在出行过程中,经过的每一个基站信号点,通常在“经过点”停留的时间较为短暂,而且会在较短的时间内通过一系列的点,如果符合这些特征,就判定个体是在出行的过程中,通过计算进入第一个“出行点”的时间Tenter和离开最后一个“出行点”的时间Tleave之间的时间差,可以获取出行时间Ttravel;
Ttravel=Tleave-Tenter
“停留点”就是出行的目的地,个体通常在“停留点”需要花费一定的时间来进行某一项活动,即在某一个基站位置停留时间较长,则该点判定为“停留点”。通过“停留点”的空间坐标值(Xi,Yi),计算相邻两个停留点之间的空间距离,即可获取个体的空间出行Dtravel。
步骤五:出行模式判定。通过出行距离和出行速度的计算,判定个体出行采用的出行方式。根据已有的交通出行研究成果,采用不同的出行方式所能达到的出行距离明显是不同的,据此可以判断个体出行所选择的出行方式。
首先,计算个体出行速度Vij,即
Vij=Dtravel*ρ/Ttravel
其中,ρ为路网非直线系数。
其次,通过出行距离与出行速度判定选择的出行方式modeij,
(1)当Dtravel≥0.5km时,则出行方式modeij=步行;
(2)当0.5<Dtravel≤1.5km时:
如果Vij≤5km/h时,则modeij=步行;
如果5<Vij≤10km/h时,则modeij=自行车;
如果10<Vij≤20km/h时,则modeij=电动自行车、摩托车;
如果35<Vij≤60km/h时,则modeij=小汽车;
如果Vij>60km/h时,则modeij=其他。
(3)当1.5km<Dtravel≤5km时,
如果Vij≤5km/h时,则modeij=步行;
如果5<Vij≤10km/h时,则modeij=自行车;
如果10<Vij≤20km/h时,则modeij=电动自行车、摩托车;
如果20<Vij≤35km/h时,则modeij=公交;
如果35<Vij≤60km/h时,则modeij=小汽车;
如果Vij>60km/h时,则modeij=其他。
(4)当5km<Dtravel≤10km时,
如果10<Vij≤20km/h时,则modeij=电动自行车、摩托车;
如果20<Vij≤35km/h时,则modeij=公交;
如果35<Vij≤60km/h时,则modeij=小汽车;
如果Vij>60km/h时,则modeij=其他。
(5)当10km<Dtravel≤30km时,
如果20<Vij≤35km/h时,则modeij=公交;
如果35<Vij≤60km/h时,则modeij=小汽车;
如果Vij>60km/h时,则modeij=其他。
(6)当30km<Dtravel时,
如果35<Vij≤60km/h时,则modeij=小汽车;
如果Vij>60km/h时,则modeij=其他。
步骤六:判定活动类型。通过对“停留点”坐标进行“反地理坐标”运算,获取活动地点的空间属性,据此判定个体的活动类型。通过VAB程序访问高德地图的API接口,通过返回的空间位置信息判定活动类型,共计划分11类活动,即家,商务,购物,工作,就医,上学,7探亲访友,8休闲,务农,其他。
步骤七:将上述数据转换成XML格式数据,借助MATSim平台进行仿真运算,建立研究区域的动态交通出行模型。
综上所述,借助于本发明的上述技术方案,基于手机信令数据的交通出行模型构建方法,通过预先获取手机信令数据并进行对手机信令数据提取,获取出行个体的特征信息,进行出行模式判定,获取出行距离和出行速度进行判定个体出行的出行方式,通过出行距离与出行速度判定选择的出行方式modeij并获取活动类型作为输入信息,建立目标区域的动态交通出行模型作为预测模型,实现通过数据挖掘,能够降低交通模型数据获取的成本,大大缩短构建模型的时间,其机信令数据实时更新的,极大的提高了模型的及时性和准确度,可以随时对交通模型进行更新,另外构建的交通模型具有更广的使用性,不仅能够对对未来的交通出行进行预测,而且能够对交通政策的实施效果进行预先模拟,应用范围广。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于手机信令数据的交通出行模型构建方法,其特征在于,包括以下步骤:
预先获取手机信令数据并进行对手机信令数据提取,获取出行个体的特征信息,其中包括经过点信息和停留点信息;
进行出行模式判定,获取出行距离和出行速度进行判定个体出行的出行方式,其中包括获取个体出行速度Vij,表示为:
Vij=Dtravel*ρ/Ttravel,ρ为路网非直线系数;
通过出行距离与出行速度判定选择的出行方式modeij;
获取活动类型,包括基于停留点信息确定活动地点的空间属性;
将获取的活动类型和出行方式modeij作为输入信息,建立目标区域的动态交通出行模型作为预测模型。
2.根据权利要求1所述的基于手机信令数据的交通出行模型构建方法,其特征在于,预先获取手机信令数据,包括以下步骤:
对手机信令大数据进行分割处理,包括将原始数据按照ID值进行排序后,分割为每个数据文件包含100万条通信信息的数据包;
对获取的数据包信息进行数据清洗。
3.根据权利要求1所述的基于手机信令数据的交通出行模型构建方法,其特征在于,还包括以下步骤:
获取出行时间Ttravel,第一个出行点信息的时间Tenter和离开最后一个出行点信息的时间Tleave之间的时间差,表示为:
Ttravel=Tleave-Tenter。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011211334.5A CN112351394A (zh) | 2020-11-03 | 2020-11-03 | 一种基于手机信令数据的交通出行模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011211334.5A CN112351394A (zh) | 2020-11-03 | 2020-11-03 | 一种基于手机信令数据的交通出行模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112351394A true CN112351394A (zh) | 2021-02-09 |
Family
ID=74355910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011211334.5A Pending CN112351394A (zh) | 2020-11-03 | 2020-11-03 | 一种基于手机信令数据的交通出行模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112351394A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724358A (zh) * | 2022-03-01 | 2022-07-08 | 智慧足迹数据科技有限公司 | 基于手机信令的出行距离确定方法及相关装置 |
CN116777243A (zh) * | 2023-06-21 | 2023-09-19 | 中国联合网络通信有限公司深圳市分公司 | 居民出行指标的评估方法、装置及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117789A (zh) * | 2015-07-29 | 2015-12-02 | 西南交通大学 | 基于手机信令数据的居民出行方式综合判别的方法 |
CN105809962A (zh) * | 2016-06-13 | 2016-07-27 | 中南大学 | 一种基于手机数据的交通出行方式划分的方法 |
CN109561386A (zh) * | 2018-11-23 | 2019-04-02 | 东南大学 | 一种基于多源定位数据的城市居民出行活动模式获取方法 |
CN109784416A (zh) * | 2019-01-26 | 2019-05-21 | 西南交通大学 | 基于手机信令数据的半监督svm的交通方式判别方法 |
CN110312206A (zh) * | 2019-06-19 | 2019-10-08 | 同济大学 | 基于动态空间阈值改进的手机信令数据出行识别方法 |
-
2020
- 2020-11-03 CN CN202011211334.5A patent/CN112351394A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117789A (zh) * | 2015-07-29 | 2015-12-02 | 西南交通大学 | 基于手机信令数据的居民出行方式综合判别的方法 |
CN105809962A (zh) * | 2016-06-13 | 2016-07-27 | 中南大学 | 一种基于手机数据的交通出行方式划分的方法 |
CN109561386A (zh) * | 2018-11-23 | 2019-04-02 | 东南大学 | 一种基于多源定位数据的城市居民出行活动模式获取方法 |
CN109784416A (zh) * | 2019-01-26 | 2019-05-21 | 西南交通大学 | 基于手机信令数据的半监督svm的交通方式判别方法 |
CN110312206A (zh) * | 2019-06-19 | 2019-10-08 | 同济大学 | 基于动态空间阈值改进的手机信令数据出行识别方法 |
Non-Patent Citations (5)
Title |
---|
冯雨庭: "基于主动学习与半监督学习的交通方式识别模型与应用", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
刘华斌: "手机信令数据背景下城市交通出行方式选择辨识方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
张振: "基于手机信令数据的区域通道出行特征研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
张维: "基于手机定位数据的城市居民出行特征提取方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
毛晓汶: "基于手机信令技术的区域交通出行特征研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724358A (zh) * | 2022-03-01 | 2022-07-08 | 智慧足迹数据科技有限公司 | 基于手机信令的出行距离确定方法及相关装置 |
CN116777243A (zh) * | 2023-06-21 | 2023-09-19 | 中国联合网络通信有限公司深圳市分公司 | 居民出行指标的评估方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Biljecki et al. | Transportation mode-based segmentation and classification of movement trajectories | |
CN108629974B (zh) | 顾及城市道路交通网络特征的交通运行指数建立方法 | |
CN109033011B (zh) | 计算轨迹频繁度的方法、装置、存储介质及电子设备 | |
CN102147260B (zh) | 电子地图匹配方法和装置 | |
CN108446470B (zh) | 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法 | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN106912018A (zh) | 基于信令轨迹的地图匹配方法及*** | |
CN111932084A (zh) | 一种评估城市公共交通可达性的*** | |
CN106383868A (zh) | 一种基于道路网络的时空轨迹聚类方法 | |
CN107103754A (zh) | 一种道路交通状况预测方法及*** | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN112556717B (zh) | 出行方式筛选方法和出行路线推荐方法和装置 | |
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 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、***及存储介质 | |
CN110413855B (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
CN112351394A (zh) | 一种基于手机信令数据的交通出行模型构建方法 | |
CN113112068A (zh) | 一种村镇公共设施选址布局的方法及其*** | |
Schweizer et al. | Map‐matching algorithm applied to bicycle global positioning system traces in Bologna | |
CN109059949B (zh) | 最短路径的计算方法及装置 | |
CN111291145A (zh) | 无线热点与兴趣点的映射方法、装置和存储介质 | |
CN111222381A (zh) | 用户出行方式识别方法、装置、电子设备及存储介质 | |
CN105844031B (zh) | 一种基于手机定位数据的城市交通廊道识别方法 | |
CN107808217A (zh) | 一种基于北斗定位与客流量的公交换乘优化方法 | |
Huber et al. | Modelling bicycle route choice in German cities using open data, MNL and the bikeSim web-app | |
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 |
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 |
Application publication date: 20210209 |
|
RJ01 | Rejection of invention patent application after publication |