CN101295326A - 基于gps数据生成od矩阵的方法及其交通仿真的方法 - Google Patents
基于gps数据生成od矩阵的方法及其交通仿真的方法 Download PDFInfo
- Publication number
- CN101295326A CN101295326A CNA2008100383658A CN200810038365A CN101295326A CN 101295326 A CN101295326 A CN 101295326A CN A2008100383658 A CNA2008100383658 A CN A2008100383658A CN 200810038365 A CN200810038365 A CN 200810038365A CN 101295326 A CN101295326 A CN 101295326A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- matrix
- gps
- car
- destination
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于GPS数据生成OD矩阵的方法及其交通仿真的方法，包括：提供出租车GPS数据，该GPS数据由出租车GPS消息构成，每一出租车GPS消息包括：车辆ID、经度、纬度、速度、车状态、角度、时间；根据所述出租车GPS消息中的车状态变化寻找OD对，生成OD矩阵。一种应用GPS数据生成OD矩阵的交通仿真的方法，包括应用上述OD矩阵，输入某一时段静态OD，获得OD表；通过该OD表计算出单位时间内通过某一OD节点的车辆总数；确定车辆产生的时刻、目的地、车辆的类型；根据不同车辆类型按照指定的时间间隔产生车辆。本发明通过分析长时间的少量出租车的GPS数据来获得全局的OD矩阵，运行效率高。并且以OD矩阵作为仿真的运行基础，能很好地反映实际交通运行状况。
Description
技术领域
本发明属于交通仿真技术领域，特别涉及生成OD矩阵的方法及其交通仿真的方法。
背景技术
现代科技进步使得仿真技术已经成为改善各行业规划、设计和运营工作的重要工具。目前，无论是工业界还是科学与教育界都大量使用仿真工具，仿真已经成为各行业、各部门降低成本、保持技术优势的重要手段。交通仿真是研究运用现代计算机技术再现实际交通系统的特性、分析交通系统在各种设定条件下的可能行为，以寻求现实交通问题最优解的一种手段，也是评价各类运输设施运用设计方案效果的有效方法。
随着智能交通系统(Intelligent Transportation System，ITS)在世界各国研究的广泛开展，国内交通界认识到了在我国开展ITS研究的重要性。作为ITS核心技术之一的交通仿真也受到了极大关注。目前，国内多所大学和科研单位都展开了实质性的研究工作。但大多数模型只是局限于单个交叉口的运行情况，不能反映出上中下游路段以及整个路网的动态状况。已有的仿真软件与模型都是局限于交通环境自身而言的，没有真正与GPS、GIS等与信息技术相关信息系统联系起来进行仿真研究。
OD(ORIGIN DESTINATION，出行的目的地)矩阵无论是在城市交通系统规划和设计上，还是在线城市交通控制中都有相当多的应用。根据其应用范围的不同所采用的OD矩阵估计方法也不同。一般来讲，采用静态估计方法得来的OD矩阵用于城市交通系统的规划和设计，而动态估计方法得来的OD矩阵则用于城市交通的在线控制。最早的静态OD矩阵估计方法是通过对已有的OD矩阵进行预测得来，或通过实际调查直接获取。但是通过预测得来的OD矩阵往往在实际应用中有较大偏差；而且由于交通出行的随机性及复杂性使得调查获取OD矩阵，无论是在时间上、资金上还是人力上往往令人难以接受。
发明内容
本发明的目的主要针对上述现有技术的一些不足之处，提出一种通过分析海量全球定位系统(GPS)数据生成OD矩阵的方法，而后再将该OD矩阵应用到交通仿真车辆产生模型的方法。
为实现上述目的，本发明采用如下技术方案：
一种基于GPS数据生成OD矩阵的方法，包括以下步骤：
步骤11)提供出租车GPS数据，该GPS数据由出租车GPS消息构成，每一出租车GPS消息包括：车辆ID、经度、纬度、速度、车状态、角度、时间；
步骤12)读取所述出租车GPS数据，根据所述出租车GPS消息中的车状态变化寻找OD对；
步骤13)在找到OD对后，记录在该O点至D点时段的GPS消息，生成OD矩阵。
其中，所述车状态包括以0、1分别表示的空车和重车两种状态，同一车辆时间上相邻的两个GPS消息中车状态每出现一次“0空车”至“1重车”的变化为一个起始点O；时间上相邻的两个GPS消息中出现“1重车”至“0空车”的变化为一个终止点D，每个单独的OD对查找过程为对字段“车状态”变化的搜索，该字段“0-1-0”的变化所对应的坐标为一个OD对。
其中，所述步骤12)中OD对的查找具体包括以下步骤：
A、从文件流获得下一个GPS消息对象，即GPSMessage m0＝getNextGPSMessage()，函数getNextGPSMessage()的作用是从文件流获得一个GPS消息(GPSMessage)对，如果文件结束或错误，该函数将返回空(null)；
B、判断该GPS消息是否为空，即m0＝＝null？如果是，则结束，否则，进入步骤C；
C、判断该GPS消息中的“车状态(status)”是否为0，即m0.status＝＝null？如果否，则转步骤A，如果是，进入步骤D；
D、从文件流获得下一个GPS消息对象，即GPSMessage m1＝getNextGPSMessage()；
E、判断该GPS消息是否为空，即m1＝＝null？如果是，则结束，否则，进入步骤F；
F、判断该GPS消息中的“车状态(status)”是否为1，即m1.status＝＝null？如果否，则转步骤D，如果是，进入步骤G；
G、从文件流获得下一个GPS消息对象，即GPSMessage m0＝getNextGPSMessage()；
H、判断该GPS消息是否为空，即m0＝＝null？如果是，则结束，否则，进入步骤I；
I、判断该GPS消息中的“车状态(status)”是否为0，即m0.status＝＝null？如果否，则转步骤G，如果是，进入步骤J；
J、记录OD对(m1.position，m0.position)，转步骤A，m1.position为起始点O经纬度坐标，m0.position为终止点D经纬度坐标。
本发明还提供一种应用GPS数据生成OD矩阵的交通仿真的方法，包括以下步骤：
步骤21)、应用上述基于GPS数据生成OD矩阵的方法生成的OD矩阵，输入某一时段静态OD，获得OD表；
步骤22)、通过该OD表计算出单位时间内通过某一OD节点的车辆总数；
步骤23)、确定车辆产生的时刻、目的地；
步骤24)、随机选择车辆的类型；
步骤25)、根据不同车辆类型按照指定的时间间隔产生车辆。
其中，所述步骤24)具体包括以下步骤：
将车辆类型划分为大型车、中型车、小型车三类，每一类型的车在交通组成中占有一定比例，假设X＝0代表小型车，X＝1代表中型车，X＝2代表大型车，所占比例分别是P(X＝0)＝P0，P(X＝1)＝P2，P(X＝2)＝P2，并且P0+P2+P2＝1。采用随机数产生器得到随机数U(0-1)，判断U值以确定当前所产生的车辆是何种类型。
其中，所述步骤23)中确定车辆产生的时刻具体包括以下步骤：
将车辆进入仿真区域这个随机事件转化为进入仿真区域的车辆之间的间隔时间，以该间隔时间作为随机量仿真该随机事件，该间隔时间满足下列条件：
1)在不重叠的时间区间内车辆的产生是互相独立的；
2)对充分小的δt，在时间区间[t，t+δt]内有一辆车产生的概率与t无关，而与区间长度δt成正比；
3)对充分小的δt，在时间区间[t，t+δt]内一条车道上有2辆或2辆以上车辆的产生概率极小。
其中，所述步骤23)中确定车辆产生的目的地具体包括以下步骤：
假设指定出发地k的目的地数量为n个，且出发地k的出行总量为M辆，并将各个目的地记为i＝{I1，I2，I3，……，In}，根据OD矩阵分别记录出发地k到目的地i的出行频率，所述出行频率指到目的地i的OD出行量的比例，目的地的选取通过一个离散随机变量x来决定，车辆目的地的分配方法为：为每辆从k点出发的车生成一个在区间[0，1]上均匀分布的随机函数r，对于任何一个r，如果F(xi-1)＝ri-1＜r＜＝ri＝F(xi)，则取x＝i，相应的车辆出发目的地选为i，不断重复此过程直到所有车辆都被分配到目的地。
本发明通过分析长时间的少量出租车的GPS数据来获得全局的OD矩阵，运行效率高。可实现并行处理海量GPS数据。并且以OD矩阵作为仿真的运行基础，能很好地反映实际交通运行状况。
附图说明
图1为OD对查找流程图；
图2为基于GPS数据生成OD矩阵的方法流程示意图；
图3为应用GPS数据生成OD矩阵的交通仿真的方法流程图。
具体实施方式
实施例一、基于GPS数据生成OD矩阵的方法
本实施例中涉及的OD矩阵主要是依靠分析海量的出租车GPS数据得到的。具体包括以下步骤：
步骤11)提供出租车GPS数据，该GPS数据由出租车GPS消息构成，每一出租车GPS消息包括：车辆ID、经度、纬度、速度、车状态、角度、时间等信息；
步骤12)读取所述出租车GPS数据，根据所述出租车GPS消息中的车状态变化寻找O点或D点；
步骤13)在找到O点或D点后，记录在该O点至D点时段的GPS消息，生成OD矩阵。
虽然出租车的GPS数据并不能完全反映实际的出行情况，但其可取之处在于：
1、出租车行驶的代表性。出租车行驶的代表性是指出租车在载客行驶时既反映了顾客的出行意愿又能体现出发点与目的点之间的最短行程。
2、出租车行驶的随意性。出租车行驶的随意性是指某一辆出租车在足够长的时间间隔内其行迹能基本遍布整个城市。这能保证数据分布的合理性，不至于某些区域出行数据的严重失真。
3、数据的海量。数据量则是OD矩阵可靠性的保证。可以通过数据时间轴上叠加来弥补出租车样本的不足。
本实施例中的出租车GPS数据，其格式如下表1所示：
表1出租车GPS消息格式
| 位序 | 值 | 类型 | 备注 |
| 1 | 车辆ID | 整型(Integer) | MDT ID |
| 2 | 经度 | 双精度浮点(Double) | 度 |
| 3 | 纬度 | 双精度浮点(Double) | 度 |
| 4 | 速度 | 双精度浮点(Double) | 公里/小时 |
| 5 | 车状态 | 整型(Integer) | 0空车；1重车 |
| 6 | 角度 | 双精度浮点(Double) | 度 |
| 7 | 时间 | 长整型(Long Integer) | 年月日时分秒 |
在交通仿真中车辆产生以及车辆的路径选择都需要OD矩阵作为现实依据，因此OD矩阵必须作为前提条件在仿真系统运行之前得到。而本发明中所采用的方法是通过统计海量出租车GPS数据来获得分时段的OD矩阵。在每辆车的车状态中，时间上相邻的两个GPS消息中每出现一次“0空车”至“1重车”的变化即视为此处是一个起始点0；而时间上相邻的两个GPS消息中出现“1重车”至“0空车”的变化即认为是一个终止点D。每个单独的OD对查找过程可以简化为对字段“车状态”变化的搜索，即认为该字段“0-1-0”的变化所对应的坐标是一个OD对。
图1显示了在单一文件中OD对查找的流程图。函数getNextGPSMessage()的作用是从文件流获得一个GPS消息(GPSMessage)对象，如果文件结束或错误，该函数将返回空(null)。最后得到的m1.position为起始点O经纬度坐标，m0.position为终止点D经纬度坐标。其具体过程描述如下：
A、从文件流获得下一个GPS消息对象，即GPSMessage m0＝getNextGPSMessage()；
B、判断该GPS消息是否为空，即m0＝＝null？如果是，则结束。否则，进入步骤C；
C、判断该GPS消息中的“车状态(status)”是否为0，即m0.status＝＝null？如果否，则转步骤A，如果是，进入步骤D；
D、从文件流获得下一个GPS消息对象，即GPSMessage m1＝getNextGPSMessage()；
E、判断该GPS消息是否为空，即m1＝＝null？如果是，则结束。否则，进入步骤F；
F、判断该GPS消息中的“车状态(status)”是否为1，即m1.status＝＝null？如果否，则转步骤D，如果是，进入步骤G；
G、从文件流获得下一个GPS消息对象，即GPSMessage m0＝getNextGPSMessage()；
H、判断该GPS消息是否为空，即m0＝＝null？如果是，则结束。否则，进入步骤I；
I、判断该GPS消息中的“车状态(status)”是否为0，即m0.status＝＝null？如果否，则转步骤G，如果是，进入步骤J；
J、记录OD对(m1.position，m0.position)。转步骤A。
实施例二、应用GPS数据生成OD矩阵的交通仿真的方法
一种应用GPS数据生成OD矩阵的交通仿真的方法，包括以下步骤：
步骤21)、应用上述实施例生成OD矩阵，输入某一时段静态OD，获得OD表；
步骤22)、通过该OD表计算出单位时间内通过某一OD节点的车辆总数；
步骤23)、确定车辆产生的时刻、目的地；
步骤24)、随机选择车辆的类型；
步骤25)、根据不同车辆类型按照指定的时间间隔产生车辆。
其中，车辆产生的时刻、目的地、车辆的类型等是车辆产生模型中的一部分。车辆产生模型是微观仿真的一个关键性环节，是整个仿真过程的起点。车辆产生模型用于仿真车辆的产生，包括在一定时间间隔内到达的车辆数，每辆车的目的地、车辆类型、车辆速度、车辆加速度等一系列车辆参数。由于交通现象具有很强的随机性，车辆产生部分应充分考虑到车流的随机性。主要表现在：
1、车辆到达的时刻是随机的，即某一时间段到达车辆数是随机的；
2、车辆目的地是随机的，因此到达车辆在下一路口的流向是随机的；
3、到达车辆的车型、车速和加速度是随机的。
车辆模型的产生包括：
一、确定车辆类型
车辆类型在本实施例中被划分为大型车、中型车、小型车三类，每一类型的车在交通组成中占有一定比例，假设X＝0代表小型车，X＝1代表中型车，X＝2代表大型车，所占比例分别是P(X＝0)＝P0，P(X＝1)＝P2，P(X＝2)＝P2，并且P0+P2+P2＝1。先用随机数产生器得到随机数U(0-1)，判断U值以确定当前所产生的车辆是何种类型。
二、确定出发时间
车辆进入仿真区域是个随机事件，因此，可以将其转化为进入仿真区域的车辆之间的间隔时间，即以该间隔时间作为随机量仿真该随机事件。根据车辆进入仿真区域的特点，应满足下列条件：
1)在不重叠的时间区间内车辆的产生是互相独立的；
2)对充分小的δt，在时间区间[t，t+δt]内有一辆车产生的概率与t无关，而与区间长度δt成正比；
3)对充分小的δt，在时间区间[t，t+δt]内一条车道上有2辆或2辆以上车辆的产生概率极小。
三、选择目的地
车辆由起始节点出发，不同的车辆其目的地不同，在车辆出发时间确定后，其目的地需要根据当前时间间隔内其OD节点与其他各OD节点间的OD出行量比例来随机确定，通过一个随机性的分散来确定车辆目的地的随机分配。以下以一具体实例来说明上述过程。
本实例是交通信息服务网格系统中的交通仿真服务。在本实例中，通过分析2000辆出租车10个月间的GPS数据以获取整个上海市的分时段OD矩阵。由于其数据量比较大，因此在实现中可以按照车辆类型划分为多组并生成单独的分时段OD矩阵，然后按照矩阵相加的运算规则得到最终的分时段OD矩阵。
以下通过具体的例子来说明车辆目的地随机分配方案。假设指定出发地k的目的地数量为6个，且出发地k的出行总量为100辆，并将各个目的地记为i＝{1，2，3，4，5，6}，同时分别记下相应的出行频率，到目的地i的OD出行量的比例被认为是出发地k到目的地i的出行频率。目的地的选取可有一个离散随机变量x来决定，表2的第二列给出出发地k到目的地i的出行量，第三列给出相应的出行频率，第四列给出经验性的概率分布函数F(x)。车辆目的地的具体分配方法如下：为每辆从k点出发的车生成一个在区间[0，1]上均匀分布的随机函数r，对于任何一个r，如果F(xi-1)＝ri-1＜r＜＝ri＝F(xi)，则取x＝i，相应的车辆出发目的地选为i，此过程将不断重复直到所有车辆都被分配到目的地。
表2OD出行量输入和概率分布表
| i | 出行量 | P(x) | F(x) |
| 1 | 15 | 0.15 | 0.15 |
| 2 | 10 | 0.1 | 0.25 |
| 3 | 20 | 0.2 | 0.45 |
| 4 | 15 | 0.15 | 0.6 |
| 5 | 5 | 0.05 | 0.65 |
| 6 | 35 | 0.35 | 1 |
为了缩短在线运算时间，提高系统的运行效率，可以为每个OD点建立一个类似于表3的查询表，这样，在车辆产生后，只要根据随机数r的大小就能很快从表中获得车辆的目的地，如当取随机数r＝0.7时，由于F(x5)＜r＜F(x6)，则选择i＝6为目的地。
表3目的地查询表
| 输入(r) | 输出(i) |
| 0.15 | 1 |
| 0.25 | 2 |
| 0.45 | 3 |
| 0.6 | 4 |
| 0.65 | 5 |
| 1 | 6 |
Claims (7)
1、一种基于GPS数据生成OD矩阵的方法，其特征在于包括以下步骤：
步骤11)提供出租车GPS数据，该GPS数据由出租车GPS消息构成，每一出租车GPS消息包括：车辆ID、经度、纬度、速度、车状态、角度、时间；
步骤12)读取所述出租车GPS数据，根据所述出租车GPS消息中的车状态变化寻找OD对；
步骤13)在找到OD对后，记录在该O点至D点时段的GPS消息，生成OD矩阵。
2、根据权利要求1所述的基于GPS数据生成OD矩阵的方法，其特征在于：所述车状态包括以0、1分别表示的空车和重车两种状态，同一车辆时间上相邻的两个GPS消息中车状态每出现一次“0空车”至“1重车”的变化为一个起始点O；时间上相邻的两个GPS消息中出现“1重车”至“0空车”的变化为一个终止点D，每个单独的OD对查找过程为对字段“车状态”变化的搜索，该字段“0-1-0”的变化所对应的坐标为一个OD对。
3、根据权利要求2所述的基于GPS数据生成OD矩阵的方法，其特征在于：所述步骤12)中OD对的查找具体包括以下步骤：
A、从文件流获得下一个GPS消息对象，即GPSMessage m0＝getNextGPSMessage()，函数getNextGPSMessage()的作用是从文件流获得一个GPS消息(GPSMessage)对，如果文件结束或错误，该函数将返回空(null)；
B、判断该GPS消息是否为空，即m0＝＝null？如果是，则结束，否则，进入步骤C；
C、判断该GPS消息中的“车状态(status)”是否为0，即m0.status＝＝null？如果否，则转步骤A，如果是，进入步骤D；
D、从文件流获得下一个GPS消息对象，即GPSMessage m1＝getNextGPSMessage()；
E、判断该GPS消息是否为空，即m1＝＝null？如果是，则结束，否则，进入步骤F；
F、判断该GPS消息中的“车状态(status)”是否为1，即m1.status＝＝null？如果否，则转步骤D，如果是，进入步骤G；
G、从文件流获得下一个GPS消息对象，即GPSMessage m0＝getNextGPSMessage()；
H、判断该GPS消息是否为空，即m0＝＝null？如果是，则结束，否则，进入步骤I；
I、判断该GPS消息中的“车状态(status)”是否为0，即m0.status＝＝null？如果否，则转步骤G，如果是，进入步骤J；
J、记录OD对(m1.position，m0.position)，转步骤A，m1.position为起始点O经纬度坐标，m0.position为终止点D经纬度坐标。
4、一种应用GPS数据生成OD矩阵的交通仿真的方法，其特征在于包括以下步骤：
步骤21)、应用权利要求1至3中任一所述基于GPS数据生成OD矩阵的方法生成的OD矩阵，输入某一时段静态OD，获得OD表；
步骤22)、通过该OD表计算出单位时间内通过某一OD节点的车辆总数；
步骤23)、确定车辆产生的时刻、目的地；
步骤24)、随机选择车辆的类型；
步骤25)、根据不同车辆类型按照指定的时间间隔产生车辆。
5、根据权利要求4所述的应用GPS数据生成OD矩阵的交通仿真的方法，其特征在于：所述步骤24)具体包括以下步骤：
将车辆类型划分为大型车、中型车、小型车三类，每一类型的车在交通组成中占有一定比例，假设X＝0代表小型车，X＝1代表中型车，X＝2代表大型车，所占比例分别是P(X＝0)＝P0，P(X＝1)＝P2，P(X＝2)＝P2，并且P0+P2+P2＝1。采用随机数产生器得到随机数U(0-1)，判断U值以确定当前所产生的车辆是何种类型。
6、根据权利要求4所述的应用GPS数据生成OD矩阵的交通仿真的方法，其特征在于：所述步骤23)中确定车辆产生的时刻具体包括以下步骤：
将车辆进入仿真区域这个随机事件转化为进入仿真区域的车辆之间的间隔时间，以该间隔时间作为随机量仿真该随机事件，该间隔时间满足下列条件：
1)在不重叠的时间区间内车辆的产生是互相独立的；
2)对充分小的δt，在时间区间[t，t+δt]内有一辆车产生的概率与t无关，而与区间长度δt成正比；
3)对充分小的δt，在时间区间[t，t+δt]内一条车道上有2辆或2辆以上车辆的产生概率极小。
7、根据权利要求4所述的应用GPS数据生成OD矩阵的交通仿真的方法，其特征在于：所述步骤23)中确定车辆产生的目的地具体包括以下步骤：
假设指定出发地k的目的地数量为n个，且出发地k的出行总量为M辆，并将各个目的地记为i＝{I1，I2，I3，……，In}，根据OD矩阵分别记录出发地k到目的地i的出行频率，所述出行频率指到目的地i的OD出行量的比例，目的地的选取通过一个离散随机变量x来决定，车辆目的地的分配方法为：为每辆从k点出发的车生成一个在区间[0，1]上均匀分布的随机函数r，对于任何一个r，如果F(xi-1)＝ri-1＜r＜＝ri＝F(xi)，则取x＝i，相应的车辆出发目的地选为i，不断重复此过程直到所有车辆都被分配到目的地。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100383658A CN101295326B (zh) | 2008-05-30 | 2008-05-30 | 应用gps数据生成od矩阵的交通仿真的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100383658A CN101295326B (zh) | 2008-05-30 | 2008-05-30 | 应用gps数据生成od矩阵的交通仿真的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101295326A true CN101295326A (zh) | 2008-10-29 |
| CN101295326B CN101295326B (zh) | 2010-09-22 |
Family
ID=40065609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008100383658A Expired - Fee Related CN101295326B (zh) | 2008-05-30 | 2008-05-30 | 应用gps数据生成od矩阵的交通仿真的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101295326B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101414409B (zh) * | 2008-11-25 | 2010-08-18 | 东南大学 | 一种推导快速公交站点od方法 |
| CN102013159A (zh) * | 2010-10-26 | 2011-04-13 | 隋亚刚 | 基于高清视频检测数据的区域动态od矩阵获取方法 |
| CN101692309B (zh) * | 2009-09-04 | 2011-04-27 | 北京工业大学 | 基于手机信息的交通出行计算方法 |
| CN102097004A (zh) * | 2011-01-31 | 2011-06-15 | 上海美慧软件有限公司 | 一种基于手机定位数据的出行od矩阵获取方法 |
| CN102169512A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 基于时间窗约束的城市轨道交通网络动态可达性计算方法 |
| CN103531019A (zh) * | 2013-10-08 | 2014-01-22 | 同济大学 | 一种出租车载客量信息自动化处理方法 |
| CN103839424A (zh) * | 2014-02-27 | 2014-06-04 | 河海大学常州校区 | 一种基于招车期望值的出租车空车导航系统与方法 |
| CN105355042A (zh) * | 2015-10-23 | 2016-02-24 | 东南大学 | 一种基于出租车gps的道路网络提取方法 |
| CN105489056A (zh) * | 2015-12-28 | 2016-04-13 | 中兴软创科技股份有限公司 | 一种基于od矩阵的停车需求预测方法 |
| CN105631945A (zh) * | 2014-10-30 | 2016-06-01 | 国际商业机器公司 | 用于识别起点/终点配对的方法和装置 |
| CN110197293A (zh) * | 2019-04-15 | 2019-09-03 | 同济大学 | 基于浮动车数据的分时租赁汽车出行需求预测方法和系统 |
| CN111862584A (zh) * | 2019-05-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 道路信息获取方法、装置、电子设备及可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1912837A (zh) * | 2006-08-31 | 2007-02-14 | 上海交通大学 | 支持大规模微观交通仿真的可扩展分布式系统 |
| CN100524354C (zh) * | 2007-07-26 | 2009-08-05 | 上海交通大学 | 基于多智能体和非适应性行为的微观交通仿真系统 |
-
2008
- 2008-05-30 CN CN2008100383658A patent/CN101295326B/zh not_active Expired - Fee Related
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101414409B (zh) * | 2008-11-25 | 2010-08-18 | 东南大学 | 一种推导快速公交站点od方法 |
| CN101692309B (zh) * | 2009-09-04 | 2011-04-27 | 北京工业大学 | 基于手机信息的交通出行计算方法 |
| CN102169512A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 基于时间窗约束的城市轨道交通网络动态可达性计算方法 |
| CN102013159A (zh) * | 2010-10-26 | 2011-04-13 | 隋亚刚 | 基于高清视频检测数据的区域动态od矩阵获取方法 |
| CN102097004A (zh) * | 2011-01-31 | 2011-06-15 | 上海美慧软件有限公司 | 一种基于手机定位数据的出行od矩阵获取方法 |
| CN102097004B (zh) * | 2011-01-31 | 2013-02-20 | 上海美慧软件有限公司 | 一种基于手机定位数据的出行od矩阵获取方法 |
| CN103531019A (zh) * | 2013-10-08 | 2014-01-22 | 同济大学 | 一种出租车载客量信息自动化处理方法 |
| CN103839424A (zh) * | 2014-02-27 | 2014-06-04 | 河海大学常州校区 | 一种基于招车期望值的出租车空车导航系统与方法 |
| CN105631945A (zh) * | 2014-10-30 | 2016-06-01 | 国际商业机器公司 | 用于识别起点/终点配对的方法和装置 |
| CN105631945B (zh) * | 2014-10-30 | 2018-11-23 | 国际商业机器公司 | 用于识别起点/终点配对的方法和装置 |
| US10346235B2 (en) | 2014-10-30 | 2019-07-09 | International Business Machines Corporation | Identifying origin and destination pairs |
| CN105355042A (zh) * | 2015-10-23 | 2016-02-24 | 东南大学 | 一种基于出租车gps的道路网络提取方法 |
| CN105489056A (zh) * | 2015-12-28 | 2016-04-13 | 中兴软创科技股份有限公司 | 一种基于od矩阵的停车需求预测方法 |
| CN110197293A (zh) * | 2019-04-15 | 2019-09-03 | 同济大学 | 基于浮动车数据的分时租赁汽车出行需求预测方法和系统 |
| CN111862584A (zh) * | 2019-05-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 道路信息获取方法、装置、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101295326B (zh) | 2010-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101295326B (zh) | 应用gps数据生成od矩阵的交通仿真的方法 | |
| US9459111B2 (en) | Methods and apparatus for estimating power usage | |
| CN110766211B (zh) | 一种实时路况下的车辆路径规划问题模型创建方法 | |
| Shaaban et al. | Assessing the impact of converting roundabouts to traffic signals on vehicle emissions along an urban arterial corridor in Qatar | |
| CN102176283A (zh) | 一种简化交通路网模型及基于此模型的导航方法 | |
| CN105957348B (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
| CN111275965A (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
| Kou et al. | Multiobjective optimization model of intersection signal timing considering emissions based on field data: A case study of Beijing | |
| CN111199247A (zh) | 一种公交运行仿真方法 | |
| CN101807348B (zh) | 一种动态网络导航系统及方法 | |
| Batista et al. | Exploring the potential of aggregated traffic models for estimating network-wide emissions | |
| Astarita et al. | A review of traffic signal control methods and experiments based on Floating Car Data (FCD) | |
| Swidan | Integrating AIMSUN Micro Simulation Model with Portable Emissions Measurement System (PEMS): Calibration and Validation Case Study. | |
| Kutsch et al. | Tempus-test field munich-pilot test for urban automated road traffic | |
| Jalel et al. | Continuous time markov chain traffic model for urban environments | |
| Montero et al. | A visualization tool based on traffic simulation for the analysis and evaluation of smart city policies, innovative vehicles and mobility concepts | |
| Rilett et al. | Comparison of low-fidelity TRANSIMS and high-fidelity CORSIM highway simulation models with intelligent transportation system data | |
| Prokudin et al. | Development of vehicle speed forecasting method for intelligent highway transport system | |
| Zhan et al. | Data accuracy oriented method for deploying fixed and mobile traffic sensors along a freeway | |
| Šulyová et al. | Implementation smart city concepts for mobility, case study of world logistic models on the smart principles | |
| CN103246650A (zh) | 道路逻辑模型及其制作方法 | |
| Muthugama et al. | Real-time road safety optimization through network-level data management | |
| Aldalbahi | Developing the Riyadh strategic microsimulation model as a novel means of exploring policy transfer and future transport scenarios | |
| Wang et al. | Dynamic routing decisions for commercial vehicle operations in real-time traffic conditions | |
| Kim et al. | SALT-Viz: Real-Time Visualization for Large-Scale Traffic Simulation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100922 Termination date: 20130530 |